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
如果你在一个数据框架中有多个列需要重新映射，那么这个问题就更严重了:
def remap(data,dict_labels):
"""
This function take in a dictionnary of labels : dict_labels
and replace the values (previously labelencode) into the string.
ex: dict_labels = {{'col1':{1:'A',2:'B'}}
"""
for field,values in dict_labels.items():
print("I am remapping %s"%field)
data.replace({field:values},inplace=True)
print("DONE")
return data
希望对别人有用。
干杯
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。
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
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。
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
如果你在一个数据框架中有多个列需要重新映射，那么这个问题就更严重了:
def remap(data,dict_labels):
"""
This function take in a dictionnary of labels : dict_labels
and replace the values (previously labelencode) into the string.
ex: dict_labels = {{'col1':{1:'A',2:'B'}}
"""
for field,values in dict_labels.items():
print("I am remapping %s"%field)
data.replace({field:values},inplace=True)
print("DONE")
return data
希望对别人有用。
干杯
