手把手教你使用Pandas实现交换两列中不同的数据

声喧乱石中，色静深松里。

大家好，我是皮皮。

• 数据需求

• 需求拆解

• 构建数据

• 需求处理

• 方法一

• 方法二

• 总结

最近发现周围的很多小伙伴们都不太乐意使用pandas，转而投向其他的数据操作库，身为一个数据工作者，基本上是张口pandas，闭口pandas了，故而写下此系列以让更多的小伙伴们爱上pandas。

系列文章说明：

系列名（系列文章序号）——此次系列文章具体解决的需求

平台：

• windows 10
• python 3.8
• pandas 1.2.4

数据需求

这次简单的讲一讲一个小小的数据处理，如何将下图红框部分与蓝框部分数据进行交换。

需求拆解

只是将两列的所有数据进行交换那还比较好处理，直接更改各自的列名就行了，现在是交换部分值，思路将一列值拿出来，用另一列进行填充，我们也不用别的方法，上pandas！

构建数据

pic2

需求处理

方法一

随便找一列作为mask列，将不符合条件的索引变成True，就能通过布尔取值拿出想要的值。

# map调用函数为自定义条件函数，在这里仅为示例
# 学历列包含数值型，需强转为str再进行自定义条件筛选
mask = df['学历'].astype(str).map(lambda x: '经验不限' in x or '年' in x or x.isdigit())

# 通过布尔提取交换两列数据
df.loc[mask, '经验'], df.loc[mask, '学历'] = df.loc[mask, '学历'], df.loc[mask, '经验']


pic3

方法二

提到数据的索引交换就不得不把numpy也一起搬出来了。通过.values方法得到narray数组，再根据numpy的索引提取赋值给当前数据框。

# mask已在上一步获得
df.loc[mask, ['学历', '经验']] = df.loc[mask, ['学历', '经验']].values[:,[1,0]]

可以看到也是可以成功交换的。
ps: 是不能直接将两列进行交换的

df.loc[mask, ['经验', '学历']] = df.loc[mask, ['学历', '经验']]


这行代码运行完会发现无事发生，其原理有点不太明白，可能是视图不能直接赋值吧。。。

总结

数据的获取难免会碰到与自己想法不一致的，在这里也是因为数据不在它本来所在的列中，需要进行数据的提取并重新赋值，而在python中直接使用两列进行交换即可，也得益于pandas的数据整合方法非常强大，节省时间来做其他更有意义的事。

冬日的夜晚，星星也还在频频的眨眼，静谧的，祥和的，今晚也一定会有个好梦吧。

---

于二零二二年元月十二日作