Question

我一直试图将这个问题包围起来一段时间，但还没有找到解决方案。

我的问题是如果符合条件，如何根据列名更改多列中的当前列值？

我的调查数据已作为pandas csv数据框读入：

import pandas as pd
df = pd.read_csv("survey_data")

如果当前列值等于1，我已经创建了一个包含列名和每列所需值的字典。每列包含1或NaN。基本上数据框中的任何列以'_SA'= 5，'_ A'= 4，'_ NO'= 3，'_ D'= 2和'_SD'保持为当前值1.所有'NaN'值保持原样。这是字典：

op_dict = {
 'op_dog_SA':5,
 'op_dog_A':4,
 'op_dog_NO':3,
 'op_dog_D':2,
 'op_dog_SD':1,
 'op_cat_SA':5,
 'op_cat_A':4,
 'op_cat_NO':3,
 'op_cat_D':2,
 'op_cat_SD':1,
 'op_fish_SA':5,
 'op_fish_A':4,
 'op_fish_NO':3,
 'op_fish_D':2,
 'op_fish__SD':1}

如果当前列值= 1 [op_cols]，我还创建了数据框中我想要更改的列的列表。现在我一直在尝试使用这样的东西来迭代这些列中的值，并用字典中的映射值替换1：

for i in df[op_cols]:
    if i == 1:
        df[op_cols].apply(lambda x: op_dict.get(x,x))

df[op_cols]

它没有吐出错误，但它没有用字典中的相应值替换1值。它仍然是1.

非常感谢任何有关为什么不起作用或更有效的方法的建议/建议

Answer 1

因此，如果我理解您的问题，您想要使用1,2,3,4,5替换列中的所有内容，具体取决于列名称？

我认为您需要做的就是遍历您的列表并通过您的dict返回的值重复多次：

for col in op_cols:
    df[col] = df[col]*op_dict[col]

这就是你所描述的，并且远比更换每个值快得多。 NaNs仍然是NaNs，如果你愿意，你可以用fillna处理循环中的那些。

清理数据：使用在“词典”中映射的值替换当前列值

1 个答案: