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
你的问题有点模棱两可。至少有三种两种解释:
di中的键是指索引值 di中的键指df['col1']值 di中的键指的是索引位置(不是OP的问题，只是为了好玩)。
下面是针对每种情况的解决方案。
案例1: 如果di的键是指索引值，那么你可以使用update方法:
df['col1'].update(pd.Series(di))
例如,
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
# col1 col2
# 1 w a
# 2 10 30
# 0 20 NaN
di = {0: "A", 2: "B"}
# The value at the 0-index is mapped to 'A', the value at the 2-index is mapped to 'B'
df['col1'].update(pd.Series(di))
print(df)
收益率
col1 col2
1 w a
2 B 30
0 A NaN
我已经修改了你的原始帖子的值，所以它是更清楚的更新正在做什么。 注意di中的键是如何与索引值相关联的。索引值的顺序(即索引位置)并不重要。
案例2: 如果di中的键指向df['col1']值，那么@DanAllan和@DSM显示了如何使用replace实现这一点:
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
print(df)
# col1 col2
# 1 w a
# 2 10 30
# 0 20 NaN
di = {10: "A", 20: "B"}
# The values 10 and 20 are replaced by 'A' and 'B'
df['col1'].replace(di, inplace=True)
print(df)
收益率
col1 col2
1 w a
2 A 30
0 B NaN
注意在本例中di中的键是如何被更改为匹配df['col1']中的值的。
案例3: 如果di中的键指向索引位置，则可以使用
df['col1'].put(di.keys(), di.values())
自
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
di = {0: "A", 2: "B"}
# The values at the 0 and 2 index locations are replaced by 'A' and 'B'
df['col1'].put(di.keys(), di.values())
print(df)
收益率
col1 col2
1 A a
2 10 30
0 B NaN
在这里，第一行和第三行被改变了，因为di中的键是0和2，在Python基于0的索引中，它们指的是第一行和第三个位置。
其他回答
你可以使用。replace。例如:
>>> df = pd.DataFrame({'col2': {0: 'a', 1: 2, 2: np.nan}, 'col1': {0: 'w', 1: 1, 2: 2}})
>>> di = {1: "A", 2: "B"}
>>> df
col1 col2
0 w a
1 1 2
2 2 NaN
>>> df.replace({"col1": di})
col1 col2
0 w a
1 A 2
2 B NaN
或直接在级数上，即df["col1"]。替换(di,原地= True)。
你的问题有点模棱两可。至少有三种两种解释:
di中的键是指索引值 di中的键指df['col1']值 di中的键指的是索引位置(不是OP的问题，只是为了好玩)。
下面是针对每种情况的解决方案。
案例1: 如果di的键是指索引值，那么你可以使用update方法:
df['col1'].update(pd.Series(di))
例如,
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
# col1 col2
# 1 w a
# 2 10 30
# 0 20 NaN
di = {0: "A", 2: "B"}
# The value at the 0-index is mapped to 'A', the value at the 2-index is mapped to 'B'
df['col1'].update(pd.Series(di))
print(df)
收益率
col1 col2
1 w a
2 B 30
0 A NaN
我已经修改了你的原始帖子的值，所以它是更清楚的更新正在做什么。 注意di中的键是如何与索引值相关联的。索引值的顺序(即索引位置)并不重要。
案例2: 如果di中的键指向df['col1']值，那么@DanAllan和@DSM显示了如何使用replace实现这一点:
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
print(df)
# col1 col2
# 1 w a
# 2 10 30
# 0 20 NaN
di = {10: "A", 20: "B"}
# The values 10 and 20 are replaced by 'A' and 'B'
df['col1'].replace(di, inplace=True)
print(df)
收益率
col1 col2
1 w a
2 A 30
0 B NaN
注意在本例中di中的键是如何被更改为匹配df['col1']中的值的。
案例3: 如果di中的键指向索引位置，则可以使用
df['col1'].put(di.keys(), di.values())
自
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
di = {0: "A", 2: "B"}
# The values at the 0 and 2 index locations are replaced by 'A' and 'B'
df['col1'].put(di.keys(), di.values())
print(df)
收益率
col1 col2
1 A a
2 10 30
0 B NaN
在这里，第一行和第三行被改变了，因为di中的键是0和2，在Python基于0的索引中，它们指的是第一行和第三个位置。
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
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。
映射可以比替换快得多
如果您的字典有多个键，使用map可能比replace快得多。这种方法有两个版本，这取决于你的字典是否穷尽地映射了所有可能的值(以及你是否希望不匹配的值保留它们的值或被转换为nan):
详尽的映射
在本例中，表单非常简单:
df['col1'].map(di) # note: if the dictionary does not exhaustively map all
# entries then non-matched entries are changed to NaNs
尽管map通常以函数作为参数，但它也可以以字典或系列作为参数
简单的映射
如果你有一个非穷尽映射，并且希望保留现有的不匹配的变量，你可以添加fillna:
df['col1'].map(di).fillna(df['col1'])
正如@jpp在这里的回答:通过字典有效地替换pandas系列中的值
基准
在pandas 0.23.1版本中使用以下数据:
di = {1: "A", 2: "B", 3: "C", 4: "D", 5: "E", 6: "F", 7: "G", 8: "H" }
df = pd.DataFrame({ 'col1': np.random.choice( range(1,9), 100000 ) })
使用%timeit进行测试时，map似乎比replace快大约10倍。
请注意，使用map的加速将随着数据的不同而不同。最大的加速似乎是使用大字典和详尽的替换。参见@jpp的回答(上面有链接)，了解更广泛的基准测试和讨论。
