Comment appliquer correctement une fonction lambda dans une colonne de bloc de données pandas

J'ai une pandas trame de données, sampleavec l'une des colonnes appelé PR à qui postule une fonction lambda comme suit:

sample['PR'] = sample['PR'].apply(lambda x: NaN if x < 90)

Ensuite, je reçois le message d'erreur de syntaxe:

sample['PR'] = sample['PR'].apply(lambda x: NaN if x < 90)
                                                         ^
SyntaxError: invalid syntax

Ce que je fais mal?

source d'informationauteur Amani

  1. 13

    Vous avez besoin masque:

    sample['PR'] = sample['PR'].mask(sample['PR'] < 90, np.nan)

    Une autre solution avec loc et boolean indexation:

    sample.loc[sample['PR'] < 90, 'PR'] = np.nan

    Exemple:

    import pandas as pd
import numpy as np

sample = pd.DataFrame({'PR':[10,100,40] })
print (sample)
    PR
0   10
1  100
2   40

sample['PR'] = sample['PR'].mask(sample['PR'] < 90, np.nan)
print (sample)
      PR
0    NaN
1  100.0
2    NaN
    sample.loc[sample['PR'] < 90, 'PR'] = np.nan
print (sample)
      PR
0    NaN
1  100.0
2    NaN

    EDIT:

    Solution avec apply:

    sample['PR'] = sample['PR'].apply(lambda x: np.nan if x < 90 else x)

    Timings len(df)=300k:

    sample = pd.concat([sample]*100000).reset_index(drop=True)

In [853]: %timeit sample['PR'].apply(lambda x: np.nan if x < 90 else x)
10 loops, best of 3: 102 ms per loop

In [854]: %timeit sample['PR'].mask(sample['PR'] < 90, np.nan)
The slowest run took 4.28 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 3.71 ms per loop