比大熊貓一些更大的替換值數據幀

Question

我有一個的大數據幀看起來爲：

df1['A'].ix[1:3] 
2017-01-01 02:00:00 [33, 34, 39] 
2017-01-01 03:00:00 [3, 43, 9] 

我想和11

因此，所期望的輸出，以取代每個元素大於9上面的例子是：

df1['A'].ix[1:3] 
2017-01-01 02:00:00 [11, 11, 11] 
2017-01-01 03:00:00 [3, 11, 9] 

編輯：

我的實際數據幀有大約20,000行和每行都有大小爲2000的列表。

有沒有一種方法可以爲每行使用numpy.minimum函數？我認爲它會比list comprehension方法更快？

Answer 1

您可以使用apply與list comprehension：

df1['A'] = df1['A'].apply(lambda x: [y if y <= 9 else 11 for y in x]) 
print (df1) 
           A 
2017-01-01 02:00:00 [11, 11, 11] 
2017-01-01 03:00:00 [3, 11, 9] 

更快的解決方案是先轉換爲numpy array然後用numpy.where：

a = np.array(df1['A'].values.tolist()) 
print (a) 
[[33 34 39] 
[ 3 43 9]] 

df1['A'] = np.where(a > 9, 11, a).tolist() 
print (df1) 
           A 
2017-01-01 02:00:00 [11, 11, 11] 
2017-01-01 03:00:00 [3, 11, 9]