В задачах манипулирования данными обновление нескольких строк в кадре данных является распространенным требованием. Если вам нужно изменить определенные значения или применить преобразование к подмножеству строк, эффективные и простые методы могут значительно улучшить рабочий процесс обработки данных. В этой статье блога мы рассмотрим различные подходы к обновлению нескольких строк в кадре данных с использованием Python и Pandas с практическими примерами кода.

Метод 1: использование loc или iloc
Операторы индексации loc и iloc предоставляют мощный способ доступа и обновления определенных строк в кадре данных. Вы можете комбинировать их с логическим индексированием для фильтрации строк на основе определенных условий. Например, предположим, что мы хотим обновить столбец «статус» для всех строк, где столбец «возраст» больше 30:

import pandas as pd
# Create a dataframe
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'David'],
                   'age': [25, 40, 35, 28],
                   'status': ['Active', 'Inactive', 'Active', 'Active']})
# Update rows using loc
df.loc[df['age'] > 30, 'status'] = 'Updated'
print(df)

Метод 2: применение функции с помощью apply или applymap
Функции apply и applymap позволяют применять пользовательскую функцию к каждой строке или элементу в кадре данных соответственно. Это особенно полезно, когда вам нужно обновить несколько столбцов одновременно в зависимости от определенного условия. Давайте рассмотрим пример, в котором мы хотим увеличить столбец «возраст» на 1 для всех строк, где столбец «статус» имеет значение «Активный»:

# Update rows using apply
def increment_age(row):
    if row['status'] == 'Active':
        row['age'] += 1
    return row
df = df.apply(increment_age, axis=1)
print(df)

Метод 3: использование метода обновления
Метод обновления в Pandas позволяет изменять фрейм данных на месте, используя значения из другого фрейма данных. Это особенно полезно, когда у вас есть отдельный фрейм данных с обновленными значениями для определенных строк. Предположим, у нас есть еще один фрейм данных, df_updates, с обновленными значениями статуса для строк в df. Мы можем использовать метод обновления, чтобы объединить изменения с исходным фреймом данных:

df_updates = pd.DataFrame({'name': ['Bob', 'David'],
                           'status': ['Updated', 'Inactive']})
# Update rows using update
df.update(df_updates)
print(df)

Метод 4: объединение маскировки и присваивания
Другой подход предполагает создание логической маски на основе условия и последующее использование ее для присвоения новых значений определенным строкам. Этот метод обеспечивает гибкость при одновременном обновлении нескольких столбцов. Вот пример, в котором мы обновляем столбцы «статус» и «возраст» для всех строк, где «возраст» больше 30:

# Update rows using boolean masking
mask = df['age'] > 30
df.loc[mask, ['status', 'age']] = ['Updated', df.loc[mask, 'age'] + 1]
print(df)

Обновление нескольких строк в кадре данных — важнейшая задача при манипулировании данными, и наличие в вашем распоряжении ряда методов может значительно упростить ваш рабочий процесс. В этой статье мы рассмотрели несколько подходов, включая использование loc/iloc, apply/applymap, update и комбинирование маскировки и присваивания. Включив эти методы в свой код, вы сможете эффективно обновлять несколько строк в кадре данных в зависимости от конкретных условий, что позволяет с легкостью выполнять сложные преобразования данных.