다음과 같은 사전이 있습니다. di = {1: "A", 2: "B"}
다음과 유사한 데이터 프레임의 “col1″열에 적용하고 싶습니다.
col1 col2
0 w a
1 1 2
2 2 NaN얻을 :
col1 col2
0 w a
1 A 2
2 B NaN어떻게하면 가장 잘 할 수 있습니까? 어떤 이유로 든 이것에 관한 인터넷 검색 용어는 dicts에서 열을 만드는 방법에 대한 링크 만 보여줍니다.
답변
사용할 수 있습니다 .replace. 예를 들면 다음과 같습니다.
>>> 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 NaN또는 직접 Series, 즉 df["col1"].replace(di, inplace=True).
답변
map 보다 훨씬 빠를 수 있습니다 replace
사전에 두 개 이상의 키가있는 경우 사용하는 map것보다 훨씬 빠를 수 있습니다replace . 사전에서 가능한 모든 값을 철저하게 매핑하는지 여부와 일치하지 않는 값으로 값을 유지하거나 NaN으로 변환할지에 따라이 방법에는 두 가지 버전이 있습니다.
철저한 매핑
이 경우 형식은 매우 간단합니다.
df['col1'].map(di) # note: if the dictionary does not exhaustively map all
# entries then non-matched entries are changed to NaNs하지만 map대부분은 일반적으로 인수로서 기능을한다, 그것은 대안 사전이나 시리즈 걸릴 수 Pandas.series.map에 대한 설명서를
철저하지 않은 매핑
완전하지 않은 매핑이 있고 일치하지 않는 기존 변수를 유지하려는 경우 다음을 추가 할 수 있습니다 fillna.
df['col1'].map(di).fillna(df['col1'])@ jpp의 대답과 같이 : 사전을 통해 팬더 시리즈의 값을 효율적으로 대체 하십시오.
벤치 마크
팬더 버전 0.23.1에서 다음 데이터 사용 :
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 ) })로 테스트 했을 때보 다 약 10 배 빠른 것으로 %timeit보입니다 . mapreplace
속도 map는 데이터에 따라 다릅니다. 가장 빠른 속도 향상은 큰 사전과 철저한 교체로 나타납니다. 보다 광범위한 벤치 마크 및 토론은 @jpp answer (위 링크 됨)를 참조하십시오.
답변
귀하의 질문에 약간의 모호성이 있습니다. 최소한 세 가지 해석이 있습니다.
- 키는
di인덱스 값 을 나타냅니다. - 키는 값 을
di나타냅니다df['col1'] - 키는
di색인 위치를 나타냅니다 (OP의 질문은 아니지만 재미를 위해 던져졌습니다).
아래는 각 경우에 대한 솔루션입니다.
사례 1 :
키 di가 인덱스 값을 의미하는 경우 다음 update방법을 사용할 수 있습니다 .
df['col1'].update(pd.Series(di))예를 들어
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)수확량
col1 col2
1 w a
2 B 30
0 A NaN원래 게시물의 값을 수정하여 update수행중인 작업을 보다 명확하게했습니다 . 키 di가 색인 값과 어떻게 연관되어 있는지 확인하십시오 . 인덱스 값의 순서, 즉 인덱스 위치 는 중요하지 않습니다.
사례 2 :
키 di가 df['col1']값을 나타내는 경우 @DanAllan 및 @DSM은 다음을 사용하여이를 달성하는 방법을 보여줍니다 replace.
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)수확량
col1 col2
1 w a
2 A 30
0 B NaN이 경우 키에이 방법을 참고 di경기에 변경된 값 으로 df['col1'].
사례 3 :
키 di가 색인 위치를 나타내는 경우
df['col1'].put(di.keys(), di.values())이후
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)수확량
col1 col2
1 A a
2 10 30
0 B NaN열쇠로 인해 여기서, 첫 번째와 세 번째 행은, 변경 한 di있다 0및 2파이썬의 0 기반 인덱스로 첫 번째와 세 번째 위치를 참조한다.
답변
데이터 데이터 프레임에서 다시 매핑 할 열이 두 개 이상인 경우이 질문에 추가하십시오.
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 data누군가에게 유용 할 수 있기를 바랍니다.
건배
답변
DSM에 허용되는 답변이 있지만 코딩이 모든 사람에게 적합한 것은 아닙니다. 다음은 현재 버전의 팬더 (2018 년 8 월 현재 0.23.4)에서 작동하는 것입니다.
import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 2, 3, 1],
'col2': ['negative', 'positive', 'neutral', 'neutral', 'positive']})
conversion_dict = {'negative': -1, 'neutral': 0, 'positive': 1}
df['converted_column'] = df['col2'].replace(conversion_dict)
print(df.head())다음과 같이 보일 것입니다 :
col1 col2 converted_column
0 1 negative -1
1 2 positive 1
2 2 neutral 0
3 3 neutral 0
4 1 positive 1답변
또는 수행 apply:
df['col1'].apply(lambda x: {1: "A", 2: "B"}.get(x,x))데모:
>>> df['col1']=df['col1'].apply(lambda x: {1: "A", 2: "B"}.get(x,x))
>>> df
col1 col2
0 w a
1 1 2
2 2 NaN
>>> 답변
주어는 map당신이주의해야 (JohnE의 솔루션 @) 교체보다 빠른 당신이 특정 값을 매핑하려는 비 철저한 매핑으로NaN . 이 경우 올바른 방법을 사용 mask하려면 Series를 사용해야 .fillna하고 그렇지 않으면에 대한 매핑을 취소해야합니다 NaN.
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