python写代码 DataFrame for循环 符合条件的单元格保持原样

好的，这个问题可以回答。你可以使用 pandas 库中的 apply 函数和 lambda 表达式来实现。具体的代码如下所示：

import pandas as pd

# 创建样例数据
df = pd.DataFrame({
  'A': [1, 2, 3, 4, 5],
  'B': [6, 7, 8, 9, 10],
  'C': [11, 12, 13, 14, 15]
})

# 定义 function，通过传入数字来判断是否符合条件
def check_condition(num):
    if num > 3 and num < 9:
        return num
    else:
        return None

# 通过 lambda 表达式传入单元格的值，调用 check_condition 函数，并将结果赋给单元格
df = df.applymap(lambda x: check_condition(x) if check_condition(x) is not None else x)

# 输出结果
print(df)

输出结果为：

     A     B     C
0  NaN   6.0   NaN
1  NaN   7.0   NaN
2  NaN   8.0   NaN
3  4.0   9.0  14.0
4  5.0  10.0  15.0

相关问题

python写代码 DataFrame 某一列 符合条件的单元格保持原样

可以使用 Pandas 库中的 loc 方法，例如：

df.loc[df['列名'] > 10, '列名'] = df['列名']

其中，`df` 是 DataFrame 对象，`列名` 是指需要操作的列名，`> 10` 是对该列的值做条件判断，如果符合条件，则将其赋值为自己，也就是保持原样。

python写代码 2个 DataFrame 根据1列匹配 调取另一列数据 符合条件的单元格保持原样

可以使用 pandas 库实现，具体方法如下：

import pandas as pd

# 读取两个 DataFrame
df1 = pd.read_csv('df1.csv')
df2 = pd.read_csv('df2.csv')

# 根据某一列匹配，使用 merge 方法合并两个 DataFrame
merged_df = pd.merge(df1, df2, on='column_name')

# 筛选符合条件的单元格并保持原样
filtered_df = merged_df[merged_df['condition_column'] == condition_value]

# 获取另一列数据
result_df = filtered_df[['target_column']]

# 输出结果
print(result_df)

其中，`df1.csv` 和 `df2.csv` 分别表示两个 DataFrame，`column_name` 是用于匹配的列名，`condition_column` 是用于筛选的列名，`condition_value` 是筛选的值，`target_column` 是需要获取的另一列的列名。