根据条件 pandas 传播值

Question

说我有这样的熊猫数据框： 在此处输入图像描述现在，如果该行中已经出现 1，我想将所有 1 更新为 0。因此，新的 df 将如下所示： 在此处输入图像描述df = pd.DataFrame({"Col_A":[0, 1, 0, 1, 1], "Col_B":[1, 0, 0, 0, 1],             "Col_C":[0, 0, 0, 0, 1],"Col_D":[1, 1, 0, 0, 1],             "Col_E":[0, 0, 1, 0, 1]})我想知道是否有一种有效的方法可以在熊猫中实现这一点。目前，我正在遍历每一行，然后是每一列，然后保留一个标志以检查是否发生了 1 并随后更新值。

Answer 1

设置

import numpy as np

df = pd.DataFrame(np.random.randint(2,size = (10,10)))

print(df)

   0  1  2  3  4  5  6  7  8  9

0  0  0  1  0  0  1  0  0  0  1

1  0  0  0  0  0  1  1  1  1  1

2  0  1  0  1  0  1  0  0  0  1

3  1  0  0  1  0  1  0  0  1  1

4  1  0  1  1  0  1  0  0  0  0

5  0  1  1  1  1  0  1  0  1  1

6  0  0  0  1  1  0  0  0  1  0

7  1  1  1  1  1  0  0  0  1  1

8  0  0  0  0  0  1  1  0  1  1

9  0  0  0  1  0  0  0  1  0  1

解决方案

Series.cumsum与Series.shift表演面具DataFrame.mask

df.mask(df.cumsum(axis = 1).shift(axis = 1).gt(0),0)

   0  1  2  3  4  5  6  7  8  9

0  0  0  1  0  0  0  0  0  0  0

1  0  0  0  0  0  1  0  0  0  0

2  0  1  0  0  0  0  0  0  0  0

3  1  0  0  0  0  0  0  0  0  0

4  1  0  0  0  0  0  0  0  0  0

5  0  1  0  0  0  0  0  0  0  0

6  0  0  0  1  0  0  0  0  0  0

7  1  0  0  0  0  0  0  0  0  0

8  0  0  0  0  0  1  0  0  0  0

9  0  0  0  1  0  0  0  0  0  0

输出 OP 数据帧

print(df.mask(df.cumsum(axis = 1).shift(axis = 1).gt(0),0))

   Col_A  Col_B  Col_C  Col_D  Col_E

0      0      1      0      0      0

1      1      0      0      0      0

2      0      0      0      0      1

3      1      0      0      0      0

4      1      0      0      0      0

另一个可能的解决方案：DataFrame.clip

df.sub(df.cumsum(1)).add(df).clip(lower = 0)