팬더 컬럼의 값을 dict로 다시 매핑하고 NaNs를 보존합니다.

팬더 컬럼의 값을 dict로 다시 매핑하고 NaNs를 보존합니다.

요.di = {1: "A", 2: "B"}

저는 그것을 에 적용하려고 합니다.col1다음과 같이 합니다.

     col1   col2
0       w      a
1       1      2
2       2    NaN

입수 방법:

     col1   col2
0       w      a
1       A      2
2       B    NaN

어떻게 하면 가장 잘 할 수 있을까요?어떤 이유에서인지 이와 관련된 검색 용어는 dits에서 열을 만드는 방법과 그 반대인 :-/에 대한 링크만 보여줍니다.

를 사용할 수 있습니다.예를 들어 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  NaN

에 직접 접속할 수도 있습니다.df["col1"].replace(di, inplace=True).

map 수 replace

개일 를 합니다.map 수 replace이 접근법에는 사전이 가능한 모든 값을 완전히 매핑하는지 여부(및 일치하지 않는 값을 유지하는지 NaN으로 변환하는지 여부)에 따라 다음 두 가지 버전이 있습니다.

완전한 매핑

이 경우 형식은 매우 단순합니다.

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

일일 ~일도 although although although although 。map가장 일반적으로 함수를 인수로 사용하고 사전 또는 시리즈를 대신 사용할 수 있습니다.판다들을 위한 문서.series.map

비파괴적 매핑

하지 않은 하지 않는 기존 , 이 를 추가할 수 .fillna:

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

여기 @jpp의 답변과 같이: 팬더 시리즈의 값을 사전을 통해 효율적으로 치환합니다.

벤치마크

팬더 버전 0.23에서 다음 데이터를 사용합니다.1:

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 ) })

with 합니다.%timeit 되어 있는 것 같아요.map 빠릅니다.replace

「 」로 업 하는 .map는 데이터에 따라 달라집니다.가장 큰 속도 향상은 대형 사전과 포괄적인 대체에 의한 것으로 보입니다.@jpp answer ( @jpp answer ( @jpp answer ( ) 。

당신의 질문에는 약간 애매한 점이 있다.적어도 있다 세 개 두 가지 해석:

1. 의 의 키di 값
2. 의 의 키didf['col1'](values
3. 의 의 키di인덱스 위치(OP 질문이 아니라 재미로 입력)를 참조합니다.

각 케이스의 해결 방법을 이하에 나타냅니다.

---

케이스 1: 키가di값을 '인덱스'를 사용할 수.★★★★★★★★★★★★★★★★★★,update★★★★

df['col1'].update(pd.Series(di))

예를들면,

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)

수율

  col1 col2
1    w    a
2    B   30
0    A  NaN

원래 이 더 해졌습니다. 래서 무무 ?확 확?? ????update고고있있있있다다「 」의 .di는 인덱스 값과 관련되어 있습니다.색인 값의 순서(즉, 색인 위치)는 중요하지 않습니다.

---

케이스 2: 키 입력 시didf['col1'] 및 은 @DanAllan @DSM으로 하는 방법을 .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)

수율

  col1 col2
1    w    a
2    A   30
0    B  NaN

, 「」의 키에 해 주세요.di값이 일치하도록 변경되었습니다.df['col1'].

---

케이스 3: 키 입력 시di로케이션을 하면, 「」를 할 수 .

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

부터

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)

수율

  col1 col2
1    A    a
2   10   30
0    B  NaN

첫 번째 세 그 는 '키'가 '키'로 바뀌었기 때문입니다.그이 、 의가키di0 ★★★★★★★★★★★★★★★★★」2Python의 0 기반 인덱싱에서는 첫 번째와 세 번째 위치를 나타냅니다.

DSM은 인정된 답변을 가지고 있지만, 코딩이 모두에게 효과가 있는 것은 아닌 것 같습니다.다음은 현재 버전의 판다(2018년 8월 기준 0.23.4)와 연동되는 버전입니다.

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 표시됩니다.

   col1      col2  converted_column
0     1  negative                -1
1     2  positive                 1
2     2   neutral                 0
3     3   neutral                 0
4     1  positive                 1

판다들을 위한 의사들.DataFrame.replace는 이쪽입니다.

의 「」map는 치환(@JohnE 솔루션)보다 빠릅니다.특정 값을 에 매핑하는 비유출 매핑에 주의해야 합니다.이 경우 적절한 방법을 사용하려면mask'를 선택했을 때, '시리즈', '시리즈', '시리즈', '시리즈',.fillnaNaN.

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

데이터 프레임에 재매핑할 열이 여러 개 있는 경우 이 질문에 추가합니다.

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

누군가에게 도움이 될 수 있기를 바랍니다.

건배.

데이터 프레임에서 누락된 쌍으로 매핑 사전을 업데이트할 수 있습니다.예를 들어 다음과 같습니다.

df = pd.DataFrame({'col1': ['a', 'b', 'c', 'd', np.nan]})
map_ = {'a': 'A', 'b': 'B', 'd': np.nan}

# Get mapping from df
uniques = df['col1'].unique()
map_new = dict(zip(uniques, uniques))
# {'a': 'a', 'b': 'b', 'c': 'c', 'd': 'd', nan: nan}

# Update mapping
map_new.update(map_)
# {'a': 'A', 'b': 'B', 'c': 'c', 'd': nan, nan: nan}

df['col2'] = df['col1'].map(dct_map_new)

결과:

  col1 col2
0    a    A
1    b    B
2    c    c
3    d  NaN
4  NaN  NaN

하다apply:

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
>>> 

클래스 라벨의 맵을 보관하는 훌륭한 완전한 솔루션:

labels = features['col1'].unique()
labels_dict = dict(zip(labels, range(len(labels))))
features = features.replace({"col1": labels_dict})

이렇게 하면 언제든지 labels_dict의 원래 클래스 라벨을 참조할 수 있습니다.

Nico Coallier(여러 열에 적용) 및 U10-Forward(메서드 적용 스타일 사용)가 제안한 내용을 확장하여 다음과 같이 요약할 것을 제안합니다.

df.loc[:,['col1','col2']].transform(lambda x: x.map(lambda x: {1: "A", 2: "B"}.get(x,x))

.transform()는 각 열을 시리즈로 처리합니다.반반와는 .apply()Data Frame data data data data 。

, 방식 「를할 수 있습니다.map()

마지막으로 U10 덕분에 이 동작을 발견했는데 .get() 식에서 전체 시리즈를 사용할 수 있습니다.내가 그것의 동작을 잘못 이해하고 그것이 비트가 아닌 순차적으로 시리즈를 처리하지 않는 한.
.get(x,x)하지 않은 값을 .그렇지 됩니다..map()

보다 네이티브한 팬더 접근법은 다음과 같이 대체 기능을 적용하는 것입니다.

def multiple_replace(dict, text):
  # Create a regular expression  from the dictionary keys
  regex = re.compile("(%s)" % "|".join(map(re.escape, dict.keys())))

  # For each match, look-up corresponding value in dictionary
  return regex.sub(lambda mo: dict[mo.string[mo.start():mo.end()]], text) 

함수를 정의하면 데이터 프레임에 적용할 수 있습니다.

di = {1: "A", 2: "B"}
df['col1'] = df.apply(lambda row: multiple_replace(di, row['col1']), axis=1)

언급URL : https://stackoverflow.com/questions/20250771/remap-values-in-pandas-column-with-a-dict-preserve-nans