修改数据
Coddy Pandas 数据分析 课程的第 11 课，共 19 课。
要覆盖特定单元格、列或行的数据，可以为其赋一个新值：
df["existing_col"] = new_value # 修改列
df.loc[index] = new_value # 修改行
df.loc[index, "existing_col"] = new_value # 修改单元格要更新满足特定条件的行中的列值，请使用相同的条件，就像我们在之前的课中使用 .loc 方法时学到的那样：
df.loc[df['col'] > 5, 'existing_col'] = new_value
df.loc[(df['col'] <= 5) & (df['col'] > 2), 'existing_col'] = new_value
修改现有行时，使用
loc关键字很重要。修改数据框时，如果不使用loc，你处理的通常是数据的副本 ，而不是原始 数据。例如：df[(df['col'] <= 5) & (df['col'] > 2)]["existing_col"] = new_value这里，条件返回的是数据框的副本，而不是原始数据。
挑战
简单CSV 文件 stats.csv 包含有关统计数据的信息。
以下是文件的前 5 行：
ID,COUNTRY,COLOR,SKILL,SKILL_POINTS,UTILIZATION,IS_VALID,CATEGORY
1,France,Signal violet,marksmanship,14,0.1924,1,SHOW
2,Solomon Islands,Pearl violet,crocheting,4,0.6108,1,TREE
3,Germany,Bottle green,calligraphy,12,0.88646,0,SHOW
4,Mauritania,Fawn brown,paper cutting,9,0.058,1,JAPE- 将
IS_VALID列和UTILIZATION列中的单元格除外的所有单元格修改为值MODIFIED，条件是IS_VALID等于1且UTILIZATION小于0.4。
将结果存储在 df 变量中。
亲手试试
# 已导入 pandas，并将其命名为 pd
df = pd.read_csv("./stats.csv")
for column in df.columns:
if column not in ["IS_VALID", "UTILIZATION"]:
df[column] = df[column].astype(object)
# 在下方编写你的代码
Pandas 数据分析中的所有课
自己练习： Python 在线编译器