根据 pandas 中的另一个值更改一个值

Question

我试图用Python复制我的Stata代码，我被指向熊猫的方向。然而，我很难思考如何处理数据。

假设我想遍历列标题“ID”中的所有值。如果该ID与一个特定的数字匹配，那么我想更改两个相应的值FirstName和LastName。

在Stata，它看起来像这样：

replace FirstName = "Matt" if ID==103
replace LastName =  "Jones" if ID==103

因此，这将替换 FirstName 中与 ID == 103 到 Matt 的值对应的所有值。

在熊猫身上，我正在尝试这样的东西

df = read_csv("test.csv")
for i in df['ID']:
    if i ==103:
          ...

不知道该何去何从。有什么想法吗？

Answer 1

最初的问题解决了一个特定的狭窄用例。对于那些需要更通用答案的人，这里有一些例子:

给定以下数据帧：

import pandas as pd
import numpy as np

df = pd.DataFrame([['dog', 'hound', 5],
                   ['cat', 'ragdoll', 1]],
                  columns=['animal', 'type', 'age'])

In[1]:
Out[1]:
  animal     type  age
----------------------
0    dog    hound    5
1    cat  ragdoll    1

下面，我们将添加一个新的描述列，作为其他列的串联，方法是使用为序列覆盖的操作。花哨的字符串格式，f字符串等在这里不起作用，因为适用于标量而不是“原始”值：

df['description'] = 'A ' + df.age.astype(str) + ' years old ' \
                    + df.type + ' ' + df.animal

In [2]: df
Out[2]:
  animal     type  age                description
-------------------------------------------------
0    dog    hound    5    A 5 years old hound dog
1    cat  ragdoll    1  A 1 years old ragdoll cat

我们为猫获得1年（而不是1年），我们将在下面使用条件进行修复。

这里，我们用其他列中的值替换原来的< code>animal列，并使用< code>np.where根据< code>age的值设置条件子字符串:

# append 's' to 'age' if it's greater than 1
df.animal = df.animal + ", " + df.type + ", " + \
    df.age.astype(str) + " year" + np.where(df.age > 1, 's', '')

In [3]: df
Out[3]:
                 animal     type  age
-------------------------------------
0   dog, hound, 5 years    hound    5
1  cat, ragdoll, 1 year  ragdoll    1

一种更灵活的方法是在整个数据帧上调用 .apply（）， 而不是在单个列上调用 ：：

def transform_row(r):
    r.animal = 'wild ' + r.type
    r.type = r.animal + ' creature'
    r.age = "{} year{}".format(r.age, r.age > 1 and 's' or '')
    return r

df.apply(transform_row, axis=1)

In[4]:
Out[4]:
         animal            type      age
----------------------------------------
0    wild hound    dog creature  5 years
1  wild ragdoll    cat creature   1 year

在上面的代码中，< code>transform_row(r)函数接受一个表示给定行的< code>Series对象(由< code>axis=1表示，< code>axis=0的默认值将为每列提供一个< code>Series对象)。这简化了处理，因为您可以使用列名访问行中的实际“原始”值，并且可以看到给定行/列中的其他单元格。

Answer 2

您可以使用map，它可以从一个目录甚至自定义函数映射山谷。

假设这是你的 df：

    ID First_Name Last_Name
0  103          a         b
1  104          c         d

创建字典：

fnames = {103: "Matt", 104: "Mr"}
lnames = {103: "Jones", 104: "X"}

和地图:

df['First_Name'] = df['ID'].map(fnames)
df['Last_Name'] = df['ID'].map(lnames)

结果将是：

    ID First_Name Last_Name
0  103       Matt     Jones
1  104         Mr         X

或使用自定义函数：

names = {103: ("Matt", "Jones"), 104: ("Mr", "X")}
df['First_Name'] = df['ID'].map(lambda x: names[x][0])

Answer 3

一种选择是使用Python的切片和索引功能，逻辑地评估条件所在的位置，并覆盖那里的数据。

假设您可以使用pandas将数据直接加载到pandas中。read_csv则以下代码可能对您有所帮助。

import pandas
df = pandas.read_csv("test.csv")
df.loc[df.ID == 103, 'FirstName'] = "Matt"
df.loc[df.ID == 103, 'LastName'] = "Jones"

如注释中所述，您还可以一次性对两列进行赋值：

df.loc[df.ID == 103, ['FirstName', 'LastName']] = 'Matt', 'Jones'

请注意，您需要 pandas 版本 0.11 或更高版本才能使用 loc 进行覆盖分配操作。

另一种方法是使用所谓的链式赋值。这种行为不太稳定，因此不被认为是最佳解决方案（在文档中明确不鼓励），但了解以下内容很有用：

import pandas
df = pandas.read_csv("test.csv")
df['FirstName'][df.ID == 103] = "Matt"
df['LastName'][df.ID == 103] = "Jones"