df.loc[df['First season'] > 1990, 'First Season'] = 1

解释:

df。Loc有两个参数，'行索引'和'列索引'。我们检查“First season”列下的每一行值是否大于1990，然后将其替换为1。

您需要选择该列:

In [41]:
df.loc[df['First Season'] > 1990, 'First Season'] = 1
df

Out[41]:
                 Team  First Season  Total Games
0      Dallas Cowboys          1960          894
1       Chicago Bears          1920         1357
2   Green Bay Packers          1921         1339
3      Miami Dolphins          1966          792
4    Baltimore Ravens             1          326
5  San Franciso 49ers          1950         1003

这里的语法是:

df.loc[<mask>(here mask is generating the labels to index) , <optional column(s)> ]

你可以检查文档和10分钟的熊猫，它显示了语义

EDIT

如果你想生成一个布尔指示符，那么你可以使用布尔条件来生成一个布尔Series，并将dtype转换为int，这将分别将True和False转换为1和0:

In [43]:
df['First Season'] = (df['First Season'] > 1990).astype(int)
df

Out[43]:
                 Team  First Season  Total Games
0      Dallas Cowboys             0          894
1       Chicago Bears             0         1357
2   Green Bay Packers             0         1339
3      Miami Dolphins             0          792
4    Baltimore Ravens             1          326
5  San Franciso 49ers             0         1003

我们可以用以下语法更新df中的First Season列:

df['First Season'] = expression_for_new_values

要映射First Season中的值，我们可以使用pandas的.map()方法，语法如下:

data_frame(['column']).map({'initial_value_1':'updated_value_1','initial_value_2':'updated_value_2'})

有点晚了，但仍然-我更喜欢在以下地方使用numpy:

import numpy as np
df['First Season'] = np.where(df['First Season'] > 1990, 1, df['First Season'])

你也可以使用mask替换满足条件的值:

df['First Season'].mask(lambda col: col > 1990, 1)

df['First Season'].loc[(df['First Season'] > 1990)] = 1

奇怪的是没有人知道这个答案，你的代码中唯一缺少的部分是df之后的['First Season']，只需删除里面的花括号。