用dict、preserve和NaNs重新映射pandas列中的值

Question

我有一个字典，看起来像这样：di={1："A"，2："B"}

我想将其应用于数据帧的“col1”列，类似于：

     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？出于某种原因，谷歌搜索与此相关的术语只会向我显示有关如何从dicts生成列的链接，反之亦然：-/

Answer 1

你的问题有点模棱两可。至少有

1. di中的键引用索引值
2. di中的键引用df['col1']值
3. di中的键指的是索引位置（不是OP的问题，而是为了好玩而抛出的）

案例1：如果di的键是指索引值，那么您可以使用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)

产量

  col1 col2
1    w    a
2    B   30
0    A  NaN

我已经修改了您原始帖子中的值，以便更清楚地了解update正在做什么。注意di中的键如何与索引值关联。索引值的顺序——即索引位置——并不重要。

案例2：如果di中的键指的是df['col1']值，则@DanAllan和@DSM说明了如何通过替换来实现这一点：

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)

产量

  col1 col2
1    w    a
2    A   30
0    B  NaN

注意在这种情况下，di中的键是如何更改的，以匹配df['col1']中的值。

案例3：如果di中的键指的是索引位置，那么您可以使用

df['col1'].put(di.keys(), di.values())

自从

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)

产量

  col1 col2
1    A    a
2   10   30
0    B  NaN

在这里，第一行和第三行被更改，因为di中的键是0和2，它们与Python基于0的索引一起引用第一和第三个位置。

Answer 2

如果您的词典有多个键，那么使用map比replace快得多。此方法有两种版本，具体取决于您的字典是否详尽地映射了所有可能的值（以及是否希望非匹配项保留其值或转换为NAN）：

在这种情况下，形式非常简单：

df['col1'].map(di)       # note: if the dictionary does not exhaustively map all
                         # entries then non-matched entries are changed to NaNs

虽然map通常以函数作为参数，但它也可以选择字典或系列： Documation for Pandas.series.map

如果您有一个非穷举映射，并且希望保留非匹配的现有变量，则可以添加fillna：

df['col1'].map(di).fillna(df['col1'])

如@jpp的回答：通过字典有效地替换熊猫系列中的值

将以下数据用于0.23.1版熊猫：

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 ) })

并且使用%timeit进行测试，似乎map的速度大约是替换的10倍。

请注意，您的map加速将随您的数据而变化。最大的加速似乎是大字典和详尽的替换。有关更广泛的基准测试和讨论，请参见@jpp回答（上面链接）。

Answer 3

您可以使用。更换。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

或者直接在Series上，即df["col1"]。替换（di， inplace=True）。