Question

我有一个带有大量唯一值的Pandas DataFrame。我想将这些值与更一般的列进行分组。这样，我希望将层次结构添加到数据中，从而使分析更加容易。

起作用的一件事是复制该列并替换值，如下所示：

data.loc[data['new_col'].str.contains('string0|string1'), 'new_col']\
         = 'substitution'

但是，我试图找到一种轻松地重现此方法而不为每个条目添加条件的方法。

还尝试通过以下方法成功使用：

dict.items（）
pd.df.replace（）这些尝试对我来说是徒劳的。

我想听听您的建议，以了解如何解决这个问题。

import pandas as pd
# My DataFrame looks similar to this:
>>> df = pd.DataFrame({'A': ['a', 'w', 'c', 'd', 'z']})

# The dictionary were I store the generalization:
>>> subs = {'g1': ['a', 'b', 'c', 'd'],
...         'g2': ['w', 'x', 'y', 'z']}

>>> df
   A  H
0  a  g1
1  w  g2
2  c  g1
3  d  g1
4  z  g2

Answer 1

通过将key与list的值交换来创建新字典。接下来，将交换的字典映射到df.A。

swap_dict = {x: k for k, v in d.items() for x in v}

Out[1054]:
{'a': 's1',
 'b': 's1',
 'c': 's1',
 'd': 's1',
 'w': 's2',
 'x': 's2',
 'y': 's2',
 'z': 's2'}

df['H'] = df.A.map(swap_dict)

Out[1058]:
   A   H
0  a  s1
1  w  s2
2  c  s1
3  d  s1
4  z  s2

注意：我直接将您的字典键用作H的值，而不是g1，g2 .....，因为我认为这是足以识别每组值。如果您仍然想要g1，g2 ...，则很容易完成。请让我知道。
我还在代码中将您的字典命名为d

在给定的行中找到其中一个值时，使用字典键作为行值的新DataFrame列

1 个答案: