Question

这个问题的灵感来自this other one。

假设我有以下pandas数据帧：

   TYPE  YEAR  DAY  VALUE
0  a     2004  10   NaN
1  b     2005  12   NaN
2  c     2006  180  NaN
3  a     2007  127  NaN
4  b     2008  221  NaN
5  c     2008  17   NaN

我必须根据以下dicts字典填写VALUE列，其格式为{YEAR: {DAY, VALUE}}：

mydict={2004: {10: 7.1},
        2005: {12: 9.19},
        2006: {127: 16.04, 180: 12.33},
        2007: {55: 21.94, 127: 33.11},
        2008: {17: 5.13, 221: 19.17, 300: 10.05}}

上述帖子中给出的答案是使用df.VALUE = df.VALUE.fillna(df.YEAR.map(mydict))。

如何更改此映射以确保＆＃34;遵循＆＃34;我的数据框中的YEAR和DAY列都是什么？

如果我应用上面的代码片段，我当然会：

   TYPE  YEAR  DAY  VALUE
0  a     2004  10   {10: 7.1}
1  b     2005  12   {12: 9.19}
2  c     2006  180  {127: 16.04, 180: 12.33}
3  a     2007  127  {55: 21.94, 127: 33.11}
4  b     2008  221  {17: 5.13, 221: 19.17, 300: 10.05}
5  c     2008  17   {17: 5.13, 221: 19.17, 300: 10.05}

相反，我的目标是价值观。

Answer 1

您可以使用assign 重写该列。

df['VALUE'] = df.apply(lambda x: mydict[x.YEAR][x.DAY], axis=1)

或@MaartenFabré注意到：

df['VALUE'] = df.apply(lambda x: mydict[x.YEAR].get(x.DAY, np.nan), axis=1)

Answer 2

df1=pd.DataFrame(mydict).stack().to_frame()
df.assign(VALUE=df.set_index(['DAY', 'YEAR']).VALUE.fillna(df1[0]).values)
Out[937]: 
  TYPE  YEAR  DAY  VALUE
0    a  2004   10   7.10
1    b  2005   12   9.19
2    c  2006  180  12.33
3    a  2007  127  33.11
4    b  2008  221  19.17
5    c  2008   17   5.13

Answer 3

选项1
使用pd.DataFrame.lookup

df.assign(VALUE=pd.DataFrame(mydict).lookup(df.DAY, df.YEAR))

  TYPE  YEAR  DAY  VALUE
0    a  2004   10   7.10
1    b  2005   12   9.19
2    c  2006  180  12.33
3    a  2007  127  33.11
4    b  2008  221  19.17
5    c  2008   17   5.13

选项2
理解+ zip

df.assign(VALUE=[mydict[y][d] for y, d in zip(df.YEAR, df.DAY)])

  TYPE  YEAR  DAY  VALUE
0    a  2004   10   7.10
1    b  2005   12   9.19
2    c  2006  180  12.33
3    a  2007  127  33.11
4    b  2008  221  19.17
5    c  2008   17   5.13

Answer 4

首先从my_dict获取信息，将年份和日期作为索引

df2 = pd.DataFrame.from_dict(mydict).transpose().stack(0)
# df2 = pd.DataFrame(mydict).unstack().dropna() # works too

然后为原始df制作年和日索引，插入sacond索引，并将结果转换回原始形状

df3 = df.set_index(['DAY', 'YEAR'])
df3['VALUE'] = df2
df3.reset_index().reindex(columns=df.columns)

熊猫：用来自dicts的dict的值填充NaN值

4 个答案: