我有一个这样的字典:di = {1: " a "， 2: "B"}
我想把它应用到一个类似于数据框架的col1列:
col1 col2
0 w a
1 1 2
2 2 NaN
得到:
col1 col2
0 w a
1 A 2
2 B NaN
我怎样才能做到最好呢?出于某种原因，谷歌与此相关的术语只向我展示了如何从字典中制作列，反之亦然:-/
当前回答
更本土的熊猫方法是应用替换函数，如下所示:
def multiple_replace(dict, text):
# Create a regular expression from the dictionary keys
regex = re.compile("(%s)" % "|".join(map(re.escape, dict.keys())))
# For each match, look-up corresponding value in dictionary
return regex.sub(lambda mo: dict[mo.string[mo.start():mo.end()]], text)
一旦定义了函数，就可以将其应用到数据框架中。
di = {1: "A", 2: "B"}
df['col1'] = df.apply(lambda row: multiple_replace(di, row['col1']), axis=1)
其他回答
一个很好的完整的解决方案，保持你的类标签的映射:
labels = features['col1'].unique()
labels_dict = dict(zip(labels, range(len(labels))))
features = features.replace({"col1": labels_dict})
这样，您可以在任何时候引用labels_dict中的原始类标签。
你可以用数据帧中缺失的对来更新你的映射字典。例如:
df = pd.DataFrame({'col1': ['a', 'b', 'c', 'd', np.nan]})
map_ = {'a': 'A', 'b': 'B', 'd': np.nan}
# Get mapping from df
uniques = df['col1'].unique()
map_new = dict(zip(uniques, uniques))
# {'a': 'a', 'b': 'b', 'c': 'c', 'd': 'd', nan: nan}
# Update mapping
map_new.update(map_)
# {'a': 'A', 'b': 'B', 'c': 'c', 'd': nan, nan: nan}
df['col2'] = df['col1'].map(dct_map_new)
结果:
col1 col2
0 a A
1 b B
2 c c
3 d NaN
4 NaN NaN
鉴于map比replace快(@JohnE的解决方案)，在打算将特定值映射到NaN的非穷举映射时需要小心。在这种情况下，正确的方法要求在使用.fillna时屏蔽Series，否则将撤消到NaN的映射。
import pandas as pd
import numpy as np
d = {'m': 'Male', 'f': 'Female', 'missing': np.NaN}
df = pd.DataFrame({'gender': ['m', 'f', 'missing', 'Male', 'U']})
keep_nan = [k for k,v in d.items() if pd.isnull(v)]
s = df['gender']
df['mapped'] = s.map(d).fillna(s.mask(s.isin(keep_nan)))
gender mapped
0 m Male
1 f Female
2 missing NaN
3 Male Male
4 U U
或者适用:
df['col1'].apply(lambda x: {1: "A", 2: "B"}.get(x,x))
演示:
>>> df['col1']=df['col1'].apply(lambda x: {1: "A", 2: "B"}.get(x,x))
>>> df
col1 col2
0 w a
1 1 2
2 2 NaN
>>>
作为Nico Coallier(应用于多个列)和U10-Forward(使用apply风格的方法)提出的扩展，并将其总结为一行程序，我建议:
df.loc[:,['col1','col2']].transform(lambda x: x.map(lambda x: {1: "A", 2: "B"}.get(x,x))
transform()将每一列作为一个系列处理。与.apply()相反，它传递在DataFrame中聚合的列。
因此，您可以应用Series方法map()。
最后，我发现了这个行为多亏了U10，你可以在.get()表达式中使用整个系列。除非我误解了它的行为，它按顺序处理系列而不是按位处理。 .get(x,x)表示映射字典中没有提到的值，否则.map()方法会将这些值视为Nan
