Question

我对整个大熊猫和numpy世界都很陌生。我有python的经验，但不是这方面。我试图使用数据集，我发现了一个我无法解释的问题。如果有经验的人帮助我理解其中出现的问题，那将是很棒的。

我有一个包含三个字段的CSV文件。＆＃34;年龄＆＃34;，＆＃34;工人阶级＆＃34;和＆＃34;收入＆＃34;。标题丢失了所以我按以下方式加载了CSV -

import numpy as np
import pandas as pd

df = pd.read_csv("test.csv", index_col=False, header=None, names=["age", "workclass", "income"])

现在最后一列中的数据采用这种格式 - ＆＃34;＆lt; = 50K＆＃34;或＆＃34;＆gt; 50K＆＃34;。我想将数据转移到＆＃34; 0＆＃34;或＆＃34; 1＆＃34;基于上面的值。所以0为＆＃34;＆lt; = 50K＆＃34;和＃34;＆gt; 50K＆＃34;。为此，我写了这行代码

def test_func(x):
    if x == "<=50K":
        return "0"
    else:
        return "1"

df['income'] = df['income'].apply(test_func)

这使得所有列成为＆＃34; 1＆＃34;！我在test_func中做了一些打印，看起来x的值正确，x的类型是＆＃34; str＆＃34;。我无法理解，在这种情况下，为什么总会出现＆＃34; else＆＃34;部分正在执行，而不是＆＃34;如果＆＃34;部分。我究竟做错了什么？

我忽略了这可能是一个非常愚蠢的错误。我不确定，任何帮助都会很棒

提前致谢。

Answer 1

选项1
title = response.xpath('//h1[@id="title"]/span/text()').extract()

astype

选项2
df['income'] = df['income'].eq("<=50K").astype(int)

np.where

Answer 2

我会这样做：

df.loc[df['income']=='<=50K','income'] = 0
df.loc[df['income']!='<=50K','income'] = 1

Answer 3

Alex的解决方案是经典的，但numpy中有一个内置的if / this函数，名为np.where。我不是很熟悉它，但它看起来像......

df['income'] = np.where((df['income']=='<=50K','income'), 1 ,0)

Referenced np.where Stackoverflow Question

函数未在pandas数据帧上正确应用

3 个答案: