比大熊猫一些更大的替换值数据帧

Question

我有一个的大数据帧看起来为：

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，所期望的输出，以取代每个元素大于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] 

编辑：

我的实际数据帧有大约20,000行和每行都有大小为2000的列表。

有没有一种方法可以为每行使用numpy.minimum函数？我认为它会比list comprehension方法更快？

Answer 1

您可以使用apply与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] 

更快的解决方案是先转换为numpy array然后用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]