3

在 pandas 中,给定这个数据框:

df = pd.DataFrame({'l':['a','b','a','c','b','b','a','b','b','a'], 'v':['x','x','y','y','y','x','x','y','x','y'],'n':[1,2,1,2,2,1,2,1,1,2], 'g':[0,0,0,0,0,1,1,1,1,1]})

v根据应用于数据框的一些条件语句重命名元素的最佳解决方案是什么?

基本上,对于每一行(无论是g == 0还是g == 1):

if df.l==a and df.n==1:
    df.v='val1'
elif df.l==a and df.n==2:
    df.v='val2'
elif df.l==b and df.n==1:
    df.v='val3'
elif df.l==b and df.n==2:
    df.v='val4'
4

3 回答 3

4

您可以使用布尔掩码简单地写出它们:

df.loc[(df.l == 'a') & (df.n == 1), 'v'] = 'val1'
df.loc[(df.l == 'a') & (df.n == 2), 'v'] = 'val2'
df.loc[(df.l == 'b') & (df.n == 1), 'v'] = 'val3'
df.loc[(df.l == 'b') & (df.n == 2), 'v'] = 'val4'

In [11]: df
Out[11]:
   g  l  n     v
0  0  a  1  val1
1  0  b  2  val4
2  0  a  1  val1
3  0  c  2     y
4  0  b  2  val4
5  1  b  1  val3
6  1  a  2  val2
7  1  b  1  val3
8  1  b  1  val3
9  1  a  2  val2

一般来说,您可以使用enumerateitertools.product(类似于菲利普的回答):

from itertools import product
lhs_values, rhs_values = ['a', 'b'], [1, 2]
for i, (lhs, rhs) in enumerate(product(lhs_values, rhs_values)):
    df.loc[(df.l == lhs) & (df.n == rhs), 'v'] = 'val%s' % (i + 1)

也许您只使用唯一的列值:

for i, (lhs, rhs) in enumerate(product(df.l.unique(), df.n.unique())):
    df.loc[(df.l == lhs) & (df.n == rhs), 'v'] = 'val%s' % (i + 1)

In [21]: df
Out[21]:
   g  l  n     v
0  0  a  1  val1
1  0  b  2  val4
2  0  a  1  val1
3  0  c  2  val6
4  0  b  2  val4
5  1  b  1  val3
6  1  a  2  val2
7  1  b  1  val3
8  1  b  1  val3
9  1  a  2  val2
于 2013-09-02T22:46:51.337 回答
4

我不确定您是否只是举个例子DataFrame,或者这是您的实际DataFrame情况,但是您的条件是笛卡尔积,您可以使用它来构造它itertools并在左右手边循环,以及该对的替换。

from itertools import product

lhs_values = 'a', 'b'
rhs_values = 1, 2
rep_values = ['val%d' % d for d in range(1, 5)]

lhs_rhs = list(product(lhs_values, rhs_values))
it = zip(*(zip(*lhs_rhs) + [tuple(rep_values)]))

for lhs, rhs, rep in it:
    df.v[(df.l == lhs) & (df.n == rhs)] = rep
于 2013-09-02T22:50:19.783 回答
3

使用不同的方法map

value_map = {
             ('a', 1): 'val1',
             ('a', 2): 'val2',
             ('b', 1): 'val3',
             ('b', 2): 'val4'
            }

df.v = map(value_map.get, zip(df.l, df.n))

编辑:菲利普云评论后的另一种选择:如果您想保留原始df.v值以防字典中没有匹配项,您可以这样做:

df.v = map(lambda x, y, z: value_map.get((x, y), z), df.l, df.n, df.v)
于 2013-09-02T22:57:07.343 回答