如何使用pandas优雅高效替换dataframe多列中小于1的数值
解决方案
你可以使用pandas内置的clip方法实现批量处理,这是当前场景最简洁高效的方案,不需要逐列重复写逻辑:
import pandas as pd import numpy as np # 构造示例DataFrame f = pd.DataFrame({'person_id': [101,101,101,201,201,201,203], 'test_id':[123,123,124,321,321,321,456], 'los_24':[0.3,0.7,0.6,1.01,2,1,2], 'los_48':[1,0.2,0.4,0.7,11,2,3], 'in_24':[21,24,0.3,2.3,0.8,23,1.001], 'in_48':[11.3,202.0,0.2,0.3,41.0,47,2], 'test':['A','B','C','D','E','F','G']}) # 手动指定待处理列 cols = ['los_24', 'los_48', 'in_24', 'in_48'] # 如果列数多且命名有规律,可以用正则批量匹配,不用手动逐个写列名 # cols = f.filter(regex=r'^(los|in)_\d+$').columns.tolist() # 核心逻辑:将指定列所有小于1的值截断为1 f[cols] = f[cols].clip(lower=1)
如果偏好其他写法,也可以用mask方法实现完全一致的效果:
f[cols] = f[cols].mask(f[cols] < 1, 1)
以上两种方案都是pandas原生向量化操作,运行效率远高于循环遍历,同时后续新增同规则处理列时,只需要在cols列表中新增对应列名即可,维护成本极低。
效果验证
处理后的预期输出结果如下:
内容的提问来源于stack exchange,提问作者The Great
相关产品推荐
相关产品推荐

