使用就地掩码的工作方式不同吗？

如何解决使用就地掩码的工作方式不同吗？

我刚刚发现了面具的这种奇怪行为，有人可以向我解释一下吗？

A) [输入]

df = pd.DataFrame(np.arange(10).reshape(-1,2),columns=['A','B'])
df['C'] ='hi'
df.mask(df[['A','B']]<3,inplace=True)

[输出]

	A	B	C
0	NaN	NaN	嗨
1	NaN	3.0	嗨
2	4.0	5.0	嗨
3	6.0	7.0	嗨
4	8.0	9.0	嗨

乙) [输入]

df = pd.DataFrame(np.arange(10).reshape(-1,'B']]<3)

[输出]

	A	B	C
0	NaN	NaN	NaN
1	NaN	3.0	NaN
2	4.0	5.0	NaN
3	6.0	7.0	NaN
4	8.0	9.0	NaN

提前致谢

解决方法

不同结果的根本原因是您传递的布尔数据帧与要屏蔽的数据帧的形状不同。 df.mask() 用 inplace 的值填充缺失的部分。

从源代码中，您可以看到 pandas.DataFrame.mask() 在内部调用 pandas.DataFrame.where()。 pandas.DataFrame.where() 然后调用 _where() 方法替换条件为 False 的值。

我只是以df.where()为例，下面是示例代码：

import numpy as np
import pandas as pd

df = pd.DataFrame(np.arange(12).reshape(-1,3),columns=['A','B','C'])

df1 = df.where(df[['A','B']]<3)

df.where(df[['A','B']]<3,inplace=True)

在本例中，df 是

   A   B   C
0  0   1   2
1  3   4   5
2  6   7   8
3  9  10  11

df[['A','B']]<3，cond 参数的值，是

       A      B
0   True   True
1  False  False
2  False  False
3  False  False

深入研究 _where() 方法，following lines 是关键部分：

    def _where(...):
        # align the cond to same shape as myself
        cond = com.apply_if_callable(cond,self)
        if isinstance(cond,NDFrame):
            cond,_ = cond.align(self,join="right",broadcast_axis=1)
        ...
        # make sure we are boolean
        fill_value = bool(inplace)
        cond = cond.fillna(fill_value)

由于 cond 和 df 的形状不同，cond.align() 用 NaN 值填充缺失值。之后，cond 看起来像

       A      B   C
0   True   True NaN
1  False  False NaN
2  False  False NaN
3  False  False NaN

然后使用 cond.fillna(fill_value)，将 NaN 值替换为 inplace 值。所以 C 列的值与 inplace 值相同。

尽管仍有一些代码（L9048 和 L9124-L9145）与 inplace 相关。我们不需要关心细节，因为这些行的目的是替换条件为 False 的值。

回忆一下 df 是

   A   B   C
0  0   1   2
1  3   4   5
2  6   7   8
3  9  10  11

• df1=df.where(df[['A','B']]<3)：cond C 列是 False，因为 inplace 的默认值为 False。执行 df.where() 后，df C 列设置为 other 参数的值，默认情况下为 NaN。
• df.where(df[['A',inplace=True)：cond C 列为 True。执行df.where()后，df C列保持不变。

# print(df1)
     A    B   C
0  0.0  1.0 NaN
1  NaN  NaN NaN
2  NaN  NaN NaN
3  NaN  NaN NaN

# print(df) after df.where(df[['A',inplace=True)
     A    B   C
0  0.0  1.0   2
1  NaN  NaN   5
2  NaN  NaN   8
3  NaN  NaN  11

,

想的很简单。

df = pd.DataFrame(np.arange(10).reshape(-1,2),'B'])
df['C'] ='hi'
df.mask(df[['A','B']]<3)

最后一行代码要求提供完整的数据帧 (df.)。条件已应用于列 ['A','B']，因此，一旦列 'C' 不是条件的一部分，它将为列 NaN 返回 C。

下面的内容与 df.mask(df[['A','B']]<3)

相同

>>> df[["A","B","C"]].mask(df[['A','B']]<3)
     A    B    C
0  NaN  NaN  NaN
1  NaN  3.0  NaN
2  4.0  5.0  NaN
3  6.0  7.0  NaN
4  8.0  9.0  NaN
>>>

而且，df.mask(df[['A','C']]<3) 会产生错误，因为 'C' 列是字符串类型

TypeError: '<' not supported between instances of 'str' and 'int'

最后，只返回列 "A" and "B"

>>> df[["A","B"]].mask(df[['A','B']]<3)
     A    B
0  NaN  NaN
1  NaN  3.0
2  4.0  5.0
3  6.0  7.0
4  8.0  9.0

当您应用要完成的命令 inplace 时，它不会对列 C 执行任何操作，因为 NaN 在 mask 方法中将是“什么都不做”>