Question

我有以下数据框架:

data1 = [[2,5,6,3,1],
         [2,2,5,4,2],
         [0,1,2,2,3],
         [6,2,1,0,9],
         [2,3,4,1,2]]
df = pd.DataFrame(data1)
print(df)

I need to replace only the last occurrence of the value 2 in each column with the value 7. Note the replacement is ONLY for the last 2 , the proceeding 2 s in the column should remain in place. The desired result being:

[[2,5,6,3,1],
 [2,2,5,4,2],
 [0,1,7,7,3],
 [6,7,1,0,9],
 [7,3,4,1,7]]

I tried to use last_valid_index(), as well as diff(), and did not get the results I was looking for. Like the following:

cond = df.eq(2) & df.last_valid_index()==2
out = df.mask(cond, 7)
print(out)

我已尝试过这些版本以及<编码>diff(>>),我似乎无法取得预期结果(如上所示)。任何建议都将受到高度赞赏。

Answer 1

Try:

m = df.eq(2).replace(False, np.nan).bfill()
print(df.mask(m ^ m.shift(-1), 7))

印刷:

   col1  col2  col3  col4  col5
0     2     5     6     3     1
1     2     2     5     4     2
2     0     1     7     7     3
3     6     7     1     0     9
4     7     3     4     1     7

初始<代码>df:

   col1  col2  col3  col4  col5
0     2     5     6     3     1
1     2     2     5     4     2
2     0     1     2     2     3
3     6     2     1     0     9
4     2     3     4     1     2

解释:

m = df.eq(2).replace(False, np.nan).bfill()
print(m)

   col1  col2  col3  col4  col5
0  True  True  True  True  True
1  True  True  True  True  True
2  True  True  True  True  True
3  True  True   NaN   NaN  True
4  True   NaN   NaN   NaN  True

print(m.shift(-1))

   col1  col2  col3  col4  col5
0  True  True  True  True  True
1  True  True  True  True  True
2  True  True   NaN   NaN  True
3  True   NaN   NaN   NaN  True
4   NaN  None  None  None   NaN

# The ^ (XOR) operation is True if there is only one value True

print(m ^ m.shift(-1))

    col1   col2   col3   col4   col5
0  False  False  False  False  False
1  False  False  False  False  False
2  False  False   True   True  False
3  False   True  False  False  False
4   True  False  False  False   True

# .mask() sets the True values to 7

另一种版本:

tmp = (df == 2)[::-1].idxmax()

for c, v in zip(tmp.index, tmp):
    df.loc[v, c] = 7

print(df)

Answer 2

<><><>>>>

以逆向增长数据框架作为条件(df.iloc[:-1])

然后,您可使用。

cond = df.iloc[::-1].eq(2) & df.iloc[::-1].eq(2).cumsum().eq(1)
out = df.mask(cond, 7)

注:

    0   1   2   3   4
0   2   5   6   3   1
1   2   2   5   4   2
2   0   1   7   7   3
3   6   7   1   0   9
4   7   3   4   1   7

Answer 3

idxmax(,以获取first到场>,因此,你只需要将数据范围放在工作上。

现在,你有指数的矢量,但数据框架并没有在轴线上形成支持指数,然而,NumPy阵列确实如此,因此,你可以通过。但有一点:如果你的数据框架有一个非违约指数,那么你就不得不放弃。


df.values[df.reset_index(drop=True)[::-1].eq(2).idxmax(), range(len(df))] = 7
df

结果:
   0  1  2  3  4
0  2  5  6  3  1
1  2  2  5  4  2
2  0  1  7  7  3
3  6  7  1  0  9
4  7  3  4  1  7

友情链接