条件逻辑大乱炖：np.where, df.mask, df.where，让你的数据“听话”！
各位屏幕前的程序猿、攻城狮、数据挖掘小能手们，大家好！我是你们的老朋友，数据魔法师——阿Q！ 今天咱们要聊点儿刺激的，深入探讨一下在数据处理中那些“指哪打哪”的条件逻辑操作。 想象一下，你手握一份庞大的数据宝藏，想要从中淘出符合特定条件的金子，或者给不听话的数据来个“乾坤大挪移”，让它们乖乖听你的话。 那么，np.where, df.mask, df.where 这三位“大神”就是你手中的利器！
准备好了吗？ 让我们一起踏上这场条件逻辑的奇妙之旅吧！🚀
一、故事的开端：为什么要玩转条件逻辑？
在开始正式讲解之前，咱们先来唠唠嗑，聊聊为什么要学习这些看似“高深莫测”的条件逻辑函数。
想象一下，你是一位古代的皇帝，面对堆积如山的奏折（数据），你不可能每个都亲自过目，而是需要制定一系列的规则（条件），让你的臣子（程序）帮你筛选出重要的信息，比如：
- “凡是奏报边疆战事的，一律呈上来！”
- “凡是涉及民生的，优先处理！”
- “凡是歌功颂德的，统统打回！”
在数据分析的世界里，我们也是一样的。 原始数据往往杂乱无章，我们需要根据特定的条件，从中提取有用的信息，进行数据清洗、转换、分析等等。 如果没有条件逻辑，就像没有指南针的航海家，只能在数据的海洋里迷失方向。 🌊
举个栗子：
假设你有一份电商平台的销售数据，你想找出所有销售额超过1000元的订单，并给这些订单打上“VIP”的标签。 这就要用到条件逻辑啦！
所以，掌握条件逻辑，就像掌握了一把开启数据宝藏的钥匙！🔑
二、三位“大神”登场：np.where, df.mask, df.where
好了，废话不多说，让我们隆重请出今天的主角：
np.where(NumPy 大法)： NumPy 的当家花旦，擅长处理数组（array）类型的条件逻辑。df.mask(DataFrame 面具)： Pandas DataFrame 的变形大师，能根据条件“遮盖”或替换数据。df.where(DataFrame 守护)： Pandas DataFrame 的守护者，只有满足条件的数据才能“幸存”。
这三位“大神”各有千秋，掌握了它们，你就能在数据的世界里呼风唤雨，让数据乖乖听话！
1. np.where： NumPy 的条件利器
np.where 是 NumPy 库中的一个函数，它根据指定的条件，返回数组中满足条件的元素的索引，或者根据条件选择不同的值。
语法：
np.where(condition, x, y)condition: 一个布尔类型的数组，表示条件。x: 当condition为True时，返回的值。y: 当condition为False时，返回的值。
功能：
np.where 就像一个三元运算符，它根据条件，从 x 和 y 中选择对应的值。
栗子时间：
假设我们有一个 NumPy 数组：
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])现在，我们想要找出所有大于 5 的元素，并将它们替换为 100，其余元素保持不变。
new_arr = np.where(arr > 5, 100, arr)
print(new_arr)
# 输出：[ 1 2 3 4 5 100 100 100 100 100]解释：
arr > 5返回一个布尔类型的数组：[False False False False False True True True True True]- 当条件为
True时，np.where选择 100，否则选择arr中对应的值。
更高级的用法：
np.where 还可以嵌套使用，实现更复杂的条件逻辑。 比如，我们可以根据不同的条件，给不同的元素赋予不同的值。
new_arr = np.where(arr > 7, 200, np.where(arr > 5, 100, arr))
print(new_arr)
# 输出：[ 1 2 3 4 5 100 100 200 200 200]总结：
np.where 是处理 NumPy 数组条件逻辑的利器，它简单高效，能够轻松实现各种复杂的条件判断和赋值操作。
小贴士：
np.where主要用于处理 NumPy 数组，对于 Pandas DataFrame，我们有更强大的工具！
2. df.mask： DataFrame 的变形大师
df.mask 是 Pandas DataFrame 的一个方法，它根据指定的条件，将 DataFrame 中满足条件的元素替换为指定的值（默认为 NaN）。
语法：
df.mask(cond, other=np.nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False)cond: 一个布尔类型的 DataFrame 或 Series，表示条件。True表示要替换的元素。other: 用于替换的值，默认为NaN。inplace: 是否在原 DataFrame 上修改，默认为False。axis: 轴方向，默认为None。level: 多层索引的级别，默认为None。errors: 错误处理方式，默认为'raise'。try_cast: 是否尝试转换数据类型，默认为False。
功能：
df.mask 就像一个遮盖工具，它根据条件，将 DataFrame 中不需要的元素“遮盖”起来，或者替换为指定的值。
栗子时间：
假设我们有一个 Pandas DataFrame：
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10],
'C': [11, 12, 13, 14, 15]
})
print(df)
# 输出：
# A B C
# 0 1 6 11
# 1 2 7 12
# 2 3 8 13
# 3 4 9 14
# 4 5 10 15现在，我们想要将 DataFrame 中所有大于 8 的元素替换为 0。
new_df = df.mask(df > 8, 0)
print(new_df)
# 输出：
# A B C
# 0 1 6 0
# 1 2 7 0
# 2 3 8 0
# 3 4 0 0
# 4 5 0 0解释：
df > 8返回一个布尔类型的 DataFrame，True表示对应位置的元素大于 8。df.mask将所有True对应的元素替换为 0。
更高级的用法：
df.mask 可以结合 inplace=True 参数，直接在原 DataFrame 上修改数据，避免创建新的 DataFrame。
df.mask(df < 3, inplace=True)
print(df)
# 输出：
# A B C
# 0 NaN 6.0 11.0
# 1 NaN 7.0 12.0
# 2 3.0 8.0 13.0
# 3 4.0 9.0 14.0
# 4 5.0 10.0 15.0总结：
df.mask 是 DataFrame 中进行条件替换的强大工具，它可以根据条件，将 DataFrame 中不需要的元素替换为指定的值，方便进行数据清洗和转换。
小贴士：
df.mask默认将满足条件的元素替换为NaN， 可以通过other参数指定替换的值。inplace=True参数可以节省内存空间，但要注意修改会直接影响原 DataFrame。
3. df.where： DataFrame 的守护者
df.where 是 Pandas DataFrame 的另一个方法，它根据指定的条件，保留 DataFrame 中满足条件的元素，将不满足条件的元素替换为指定的值（默认为 NaN）。
语法：
df.where(cond, other=np.nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False)cond: 一个布尔类型的 DataFrame 或 Series，表示条件。True表示要保留的元素。other: 用于替换的值，默认为NaN。inplace: 是否在原 DataFrame 上修改，默认为False。axis: 轴方向，默认为None。level: 多层索引的级别，默认为None。errors: 错误处理方式，默认为'raise'。try_cast: 是否尝试转换数据类型，默认为False。
功能：
df.where 就像一个过滤器，它根据条件，只保留 DataFrame 中满足条件的元素，将不满足条件的元素“过滤”掉，或者替换为指定的值。
栗子时间：
还是用上面的 DataFrame：
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10],
'C': [11, 12, 13, 14, 15]
})
print(df)
# 输出：
# A B C
# 0 1 6 11
# 1 2 7 12
# 2 3 8 13
# 3 4 9 14
# 4 5 10 15现在，我们想要保留 DataFrame 中所有小于 10 的元素，将其余元素替换为 100。
new_df = df.where(df < 10, 100)
print(new_df)
# 输出：
# A B C
# 0 1.0 6.0 100
# 1 2.0 7.0 100
# 2 3.0 8.0 100
# 3 4.0 9.0 100
# 4 5.0 100 100解释：
df < 10返回一个布尔类型的 DataFrame，True表示对应位置的元素小于 10。df.where只保留所有True对应的元素，将其余元素替换为 100。
更高级的用法：
df.where 可以结合 inplace=True 参数，直接在原 DataFrame 上修改数据。 另外，df.where 还可以接受一个 DataFrame 作为 other 参数，用于替换不满足条件的元素。
df2 = pd.DataFrame({
'A': [100, 200, 300, 400, 500],
'B': [600, 700, 800, 900, 1000],
'C': [1100, 1200, 1300, 1400, 1500]
})
df.where(df < 5, df2, inplace=True)
print(df)
# 输出：
# A B C
# 0 1.0 600.0 1100.0
# 1 2.0 700.0 1200.0
# 2 3.0 800.0 1300.0
# 3 4.0 900.0 1400.0
# 4 500.0 1000.0 1500.0总结：
df.where 是 DataFrame 中进行条件过滤的利器，它可以根据条件，只保留 DataFrame 中满足条件的元素，方便进行数据筛选和分析。
小贴士：
df.where默认将不满足条件的元素替换为NaN， 可以通过other参数指定替换的值。df.where和df.mask的功能正好相反，df.where保留满足条件的元素，df.mask替换满足条件的元素。 可以根据实际需求选择使用。
三、实战演练：让数据“听话”！
光说不练假把式！ 咱们来几个实际的例子，看看如何利用这三位“大神”让数据乖乖听话。
场景一：电商平台数据清洗
假设你拿到了一份电商平台的订单数据，其中包含订单号、商品名称、用户ID、订单金额、支付状态等信息。 你需要对这份数据进行清洗，找出所有未支付的订单，并将它们的支付状态修改为“已取消”。
import pandas as pd
import numpy as np
data = {
'order_id': [1, 2, 3, 4, 5],
'product_name': ['A', 'B', 'C', 'D', 'E'],
'user_id': [101, 102, 101, 103, 102],
'order_amount': [100, 200, 300, 400, 500],
'payment_status': ['paid', 'unpaid', 'paid', 'unpaid', 'paid']
}
df = pd.DataFrame(data)
print(df)
# 输出：
# order_id product_name user_id order_amount payment_status
# 0 1 A 101 100 paid
# 1 2 B 102 200 unpaid
# 2 3 C 101 300 paid
# 3 4 D 103 400 unpaid
# 4 5 E 102 500 paid
df['payment_status'] = np.where(df['payment_status'] == 'unpaid', 'cancelled', df['payment_status'])
print(df)
# 输出：
# order_id product_name user_id order_amount payment_status
# 0 1 A 101 100 paid
# 1 2 B 102 200 cancelled
# 2 3 C 101 300 paid
# 3 4 D 103 400 cancelled
# 4 5 E 102 500 paid场景二：学生成绩分析
假设你有一份学生成绩数据，其中包含学生姓名、科目、成绩等信息。 你需要对这份数据进行分析，找出所有不及格的科目，并将它们的成绩标记为“不及格”。
import pandas as pd
import numpy as np
data = {
'student_name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'subject': ['Math', 'English', 'Math', 'English', 'Math'],
'score': [80, 55, 90, 45, 70]
}
df = pd.DataFrame(data)
print(df)
# 输出：
# student_name subject score
# 0 Alice Math 80
# 1 Bob English 55
# 2 Charlie Math 90
# 3 David English 45
# 4 Eve Math 70
df['score'] = df['score'].mask(df['score'] < 60, '不及格')
print(df)
# 输出：
# student_name subject score
# 0 Alice Math 80
# 1 Bob English 不及格
# 2 Charlie Math 90
# 3 David English 不及格
# 4 Eve Math 70场景三： 股票数据处理
假设你有一份股票数据，其中包含股票代码、日期、开盘价、收盘价、最高价、最低价等信息。 你需要对这份数据进行处理，找出所有收盘价低于开盘价的日期，并将它们的收盘价标记为“下跌”。
import pandas as pd
import numpy as np
data = {
'stock_code': ['AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL'],
'date': ['2023-10-26', '2023-10-27', '2023-10-28', '2023-10-29', '2023-10-30'],
'open_price': [170, 172, 175, 173, 171],
'close_price': [171, 170, 174, 175, 172],
'high_price': [172, 173, 176, 176, 173],
'low_price': [169, 168, 172, 171, 169]
}
df = pd.DataFrame(data)
print(df)
# 输出：
# stock_code date open_price close_price high_price low_price
# 0 AAPL 2023-10-26 170 171 172 169
# 1 AAPL 2023-10-27 172 170 173 168
# 2 AAPL 2023-10-28 175 174 176 172
# 3 AAPL 2023-10-29 173 175 176 171
# 4 AAPL 2023-10-30 171 172 173 169
df['close_price'] = df['close_price'].where(df['close_price'] >= df['open_price'], '下跌')
print(df)
# 输出：
# stock_code date open_price close_price high_price low_price
# 0 AAPL 2023-10-26 170 171 172 169
# 1 AAPL 2023-10-27 172 下跌 173 168
# 2 AAPL 2023-10-28 175 下跌 176 172
# 3 AAPL 2023-10-29 173 175 176 171
# 4 AAPL 2023-10-30 171 172 173 169四、总结：条件逻辑，数据分析的灵魂！
通过今天的学习，相信大家已经掌握了 np.where, df.mask, df.where 这三位“大神”的使用方法。 记住，条件逻辑是数据分析的灵魂，掌握了它们，你就能在数据的世界里游刃有余，轻松应对各种复杂的数据处理任务。
最后，送给大家一句至理名言：
“数据虐我千百遍，我待数据如初恋！” 💖
希望大家在数据分析的道路上越走越远，成为真正的数据魔法师！
下次再见！ 😉