Как изменить определенные значения столбца в фрейме данных?

вы можете попробовать следующее:

df.loc[df['Sentiment_Label'] == 'Disappointed', 'Sentiment_Score'] -= 1

Применив это, вы получите:

Вы можете использовать apply() в каждой строке и определить функцию, которая выполняет 1 - Sentiment_Score, если значение Sentiment_Label равно Disappointed:

# Function to apply to each row of dataframe
def sub_1(x):
    if x['Sentiment_Label'] == 'Disappointed':
        x["Sentiment_Score"] = 1-x["Sentiment_Score"]
    return x

# Dataframe definition
df = pd.DataFrame({
    'Sentiment_Label': ["Satisfied", "Disappointed", "Satisfied", "Satisfied", "Disappointed"],
    'Sentiment_Score': [0.882621, 0.826413, 0.893627, 0.863469, 0.982447],
})

# Apply function to dataframe by rows 
df = df.apply(sub_1, axis=1)

df значение после apply():

  Sentiment_Label  Sentiment_Score
0       Satisfied         0.882621
1    Disappointed         0.173587
2       Satisfied         0.893627
3       Satisfied         0.863469
4    Disappointed         0.017553

Вы можете зациклить df, используя df.iterrows(). Затем вы сравниваете значение столбца и используете df.at() для доступа к значению и замены.

for i, v in df.iterrows():
    if (v["Sentiment_Label"] == 'Disappointed'):
        df.at[i, 'Sentiment_Score'] = 1 - v["Sentiment_Score"]

print(df)

вне:

  Sentiment_Label  Sentiment_Score
0       Satisfied         0.882621
1    Disappointed         0.173587
2       Satisfied         0.893627
3       Satisfied         0.863469
4    Disappointed         0.017553

Вы также можете использовать функцию np.where, которая работает точно так же, как функция MS-Excel if.

import numpy as np
( df['Sentiment_Score']= 
np.where(df.Sentiment_Label='Disappointed',df['Sentiment_Score']-1,
df['Sentiment_Score']
)

 

Вы можете использовать rsub:

m = df['Sentiment_Label'].eq('Disappointed')
df.loc[m, 'Sentiment_Score'] = df['Sentiment_Score'].rsub(1)

Выход:

  Sentiment_Label  Sentiment_Score
0       Satisfied         0.882621
1    Disappointed         0.173587
2       Satisfied         0.893627
3       Satisfied         0.863469
4    Disappointed         0.017553

df.update( df[df.iloc[:,0].eq("Disappointed")].iloc[:,1].sub(1).abs() )

print(df)

  Sentiment_Label  Sentiment_Score
0       Satisfied         0.882621
1    Disappointed         0.173587
2       Satisfied         0.893627
3       Satisfied         0.863469
4    Disappointed         0.017553