Question

我有以下数据框：

                  population   GDP
country
United Kingdom    4.5m         10m
Spain             3m           8m
France            2m           6m

我在2列数据框中也有以下信息（很高兴将其作为另一个数据结构，如果这将更有益，因为计划是它将在VARS文件中排序。

county           code
Spain            es
France           fr
United Kingdom   uk

“映射”数据结构将按随机顺序排序，因为将随机添加/删除国家/地区。

从国家/地区名称将数据框重新索引到其国家/地区代码的最佳方法是什么？

是否有一个智能解决方案也适用于其他列，例如，如果数据框是在日期编制索引但是一列是df['county']那么您可以将df['country']更改为其国家/地区代码？最后是否有第三个选项可以添加一个额外的列，该列是国家/代码，它根据另一列中的国家/地区名称选择了正确的代码？

Answer 1

我认为您可以使用Series.map，但它仅适用于Series，因此需要Index.to_series。上次rename_axis（pandas 0.18.0中的新内容）：

df1.index = df1.index.to_series().map(df2.set_index('county').code)
df1 = df1.rename_axis('county')
#pandas bellow 0.18.0
#df1.index.name = 'county'
print (df1)
       population  GDP
county                
uk           4.5m  10m
es             3m   8m
fr             2m   6m

与dict：

的映射相同

d = df2.set_index('county').code.to_dict()
print (d)
{'France': 'fr', 'Spain': 'es', 'United Kingdom': 'uk'}

df1.index = df1.index.to_series().map(d)
df1 = df1.rename_axis('county')
#pandas bellow 0.18.0
#df1.index.name = 'county'
print (df1)
       population  GDP
county                
uk           4.5m  10m
es             3m   8m
fr             2m   6m

编辑：

使用Index.map的另一个解决方案，因此省略to_series：

d = df2.set_index('county').code.to_dict()
print (d)
{'France': 'fr', 'Spain': 'es', 'United Kingdom': 'uk'}

df1.index = df1.index.map(d.get)
df1 = df1.rename_axis('county')
#pandas bellow 0.18.0
#df1.index.name = 'county'
print (df1)
       population  GDP
county                
uk           4.5m  10m
es             3m   8m
fr             2m   6m

Answer 2

以下是一些简短的方法来解决您的3个问题。更多详情如下：

1）如何根据单独的df

中的映射来更改索引

使用df_with_mapping.todict("split")创建字典，然后使用列表推导将其更改为{"old1":"new1",...,"oldn":"newn"}表单，然后使用df.index = df.base_column.map(dictionary)获取更改的索引。

2）如果新列在同一个df中，如何更改索引：

df.index = df["column_you_want"]

3）通过映射旧列来创建新列：

df["new_column"] = df["old_column"].map({"old1":"new1",...,"oldn":"newn"})

1）当前索引的映射存在于单独的数据框中，但您还没有数据框中的映射列

这与问题2基本相同，还有为您想要的映射创建字典的附加步骤。

#creating the mapping dictionary in the form of current index : future index

df2 = pd.DataFrame([["es"],["fr"]],index = ["spain","france"])
interm_dict = df2.to_dict("split") #Creates a dictionary split into column labels, data labels and data
mapping_dict = {country:data[0] for country,data in zip(interm_dict["index"],interm_dict['data'])}
#We only want the first column of the data and the index so we need to make a new dict with a list comprehension and zip

df["country"] = df.index #Create a new column if u want to save the index
df.index = pd.Series(df.index).map(mapping_dict) #change the index
df.index.name = "" #Blanks out index name
df = df.drop("county code",1) #Drops the county code column to avoid duplicate columns

在：

       county code language
spain           es  spanish
france          fr   french

后：

   language country

es  spanish   spain
fr   french  france

2）将当前索引更改为数据框中已有的列之一

df = pd.DataFrame([["es","spanish"],["fr","french"]], columns = ["county code","language"], index = ["spain", "french"])
df["country"] = df.index #if you want to save the original index
df.index = df["county code"]  #The only step you actually need
df.index.name = "" #if you want a blank index name
df = df.drop("county code",1) #if you dont want the duplicate column

在：

   county code language
spain           es  spanish
french          fr   french

后：

   language country

es  spanish   spain
fr   french  french

3）根据其他列创建其他列除了我们创建一个额外的列而不是为创建的系列分配.index之外，这与第2步基本相同。

df = pd.DataFrame([["es","spanish"],["fr","french"]], columns = ["county code","language"], index = ["spain", "france"])
df["city"] = df["county code"].map({"es":"barcelona","fr":"paris"})

在：

       county code language
spain           es  spanish
france          fr   french

后：

       county code language       city
spain           es  spanish  barcelona
france          fr   french      paris

如何使用映射变量重新索引数据帧？

2 个答案: