我试图替换一个数据框架的一列的值。列('female')只包含值'female'和'male'。
我尝试过以下方法:
w['female']['female']='1'
w['female']['male']='0'
但收到的是与之前结果完全相同的副本。
理想情况下，我希望得到类似于以下循环元素的输出。
if w['female'] =='female':
w['female'] = '1';
else:
w['female'] = '0';
我已经查看了gotchas文档(http://pandas.pydata.org/pandas-docs/stable/gotchas.html)，但不明白为什么什么都没有发生。
任何帮助都将不胜感激。
当前回答
还有一个内置函数pd。Get_dummies用于这些类型的赋值:
w['female'] = pd.get_dummies(w['female'],drop_first = True)
这为您提供了一个有两列的数据帧，每一列对应出现在w['female']中的每个值，您可以删除其中的第一列(因为您可以从剩下的一列推断它)。新列将自动命名为您替换的字符串。
如果有两个以上可能值的分类变量，这尤其有用。这个函数创建了尽可能多的虚拟变量来区分所有情况。请注意，不要将整个数据帧分配到单个列中，相反，如果w['female']可以是'male'， 'female'或'neutral'，请执行如下操作:
w = pd.concat([w, pd.get_dummies(w['female'], drop_first = True)], axis = 1])
w.drop('female', axis = 1, inplace = True)
然后你剩下两个新的列，给你'female'的虚拟编码，你去掉了带字符串的列。
其他回答
如果我没理解错的话，你想要这样的东西:
w['female'] = w['female'].map({'female': 1, 'male': 0})
(这里我将值转换为数字，而不是包含数字的字符串。你可以把它们转换成“1”和“0”，如果你真的想，但我不知道为什么你想这样做。)
你的代码不能工作的原因是因为在列上使用['female'] (w['female']['female']中的第二个'female')并不意味着“选择值为'female'的行”。这意味着选择索引为“female”的行，而这些行在你的DataFrame中可能没有。
w.female = np.where(w.female=='female', 1, 0)
如果有人在寻找一个麻木的解决方案。这对于基于条件替换值非常有用。if和else条件都是np.where()中固有的。使用df.replace()的解决方案可能是不可行的，如果列包含除'male'之外的许多唯一值，所有这些值都应该替换为0。
另一种解决方案是连续使用df.where()和df.mask()。这是因为它们都没有实现else条件。
w.female.where(w.female=='female', 0, inplace=True) # replace where condition is False
w.female.mask(w.female=='female', 1, inplace=True) # replace where condition is True
你也可以使用apply和。get i.e.。
"菲玛"等于"菲玛"克里奥耳语(——“画”:0,可说是家常便饭”:1,.get):
w = pd.DataFrame({'female':['female','male','female']})
print(w)
Dataframe w:
female
0 female
1 male
2 female
使用apply替换字典中的值:
w['female'] = w['female'].apply({'male':0, 'female':1}.get)
print(w)
结果:
female
0 1
1 0
2 1
注意:如果数据帧中所有可能的列的值都是在字典else中定义的，那么apply with dictionary应该被使用，对于那些没有在字典中定义的列，它将为空。
还有一个内置函数pd。Get_dummies用于这些类型的赋值:
w['female'] = pd.get_dummies(w['female'],drop_first = True)
这为您提供了一个有两列的数据帧，每一列对应出现在w['female']中的每个值，您可以删除其中的第一列(因为您可以从剩下的一列推断它)。新列将自动命名为您替换的字符串。
如果有两个以上可能值的分类变量，这尤其有用。这个函数创建了尽可能多的虚拟变量来区分所有情况。请注意，不要将整个数据帧分配到单个列中，相反，如果w['female']可以是'male'， 'female'或'neutral'，请执行如下操作:
w = pd.concat([w, pd.get_dummies(w['female'], drop_first = True)], axis = 1])
w.drop('female', axis = 1, inplace = True)
然后你剩下两个新的列，给你'female'的虚拟编码，你去掉了带字符串的列。
你可以使用loc编辑一个数据帧的子集:
df.loc[<row selection>, <column selection>]
在这种情况下:
w.loc[w.female != 'female', 'female'] = 0
w.loc[w.female == 'female', 'female'] = 1
