Python：检查Dictionary中是否存在数据帧单元格值。如果存在，则用字典键替换数据帧值

Question

我有一个csv文件（或数据框），如下所示：

Text    Location    State
A   Florida, USA    Florida
B   NY              New York
C       
D   abc 

键值对的字典为：

stat_map = {
        'FL': 'Florida',
        'NY': 'NewYork',
        'AR': 'Arkansas',
}

如何删除第3行和第4行，即使用文本C＆amp; D这样我的数据帧只包含那些我在字典中有价值的行。 最终输出应如下所示：

Text    Location    State
    A   Florida, USA    Florida
    B   NY              New York

请帮忙。

Answer 1

您正在寻找的是pandas.Series.map()，它取代了mapper中提供的值，此处为states_map。

我会重复使用previous question中的数据进行说明

import pandas as pd

states_map = {
        'AK': 'Alaska',
        'AL': 'Alabama',
        'AR': 'Arkansas',
        'CA': 'California',  # Enrich the dict for the current example
        'NY': 'New York'     # Same as above
}

>>> df
Out[]:
               State
0    California, USA
1  Beverly Hills, CA
2         California
3                 CA
4            NY, USA
5                USA

使用map讨论的方法将提供

states = df['State'].str.split(', ').str[0]

>>> states
Out[]:
0       California
1    Beverly Hills
2       California
3               CA
4               NY
5              USA
Name: State, dtype: object

>>> states.map(states_map)
Out[]:
0           NaN
1           NaN
2           NaN
3    California
4      New York
5           NaN
Name: State, dtype: object

但这不是最佳选择，因为您使用split从第1行中丢失信息，使用map从第0行和第2行中丢失信息。

我认为可以做得更好：

使用split

从expand=True获取所有字词

df_parts = df.State.str.split(', ', expand=True)

>>> df_parts
Out[]:
               0     1
0     California   USA
1  Beverly Hills    CA
2     California  None
3             CA  None
4             NY   USA
5            USA  None

获取状态正确的地方

mask = df_parts.isin(states_map.values())

>>> df_parts[mask]
Out[]:
            0    1
0  California  NaN
1         NaN  NaN
2  California  NaN
3         NaN  NaN
4         NaN  NaN
5         NaN  NaN

使用~（按位NOT）给出了掩码的反转。

df_unknown = df_parts[~mask]

>>> df_unknown
Out[]:
               0     1
0            NaN   USA
1  Beverly Hills    CA
2            NaN  None
3             CA  None
4             NY   USA
5            USA  None

使用状态未知的map

>>> df_unknown.apply(lambda col: col.map(states_map))
Out[]:
            0           1
0         NaN         NaN
1         NaN  California
2         NaN         NaN
3  California         NaN
4    New York         NaN
5         NaN         NaN

并在屏蔽df_parts

中设置这些值

df_parts [~mask] = df_unknown.apply（lambda col：col.map（states_map））

>>> df_parts
Out[]:
            0           1
0  California         NaN
1         NaN  California
2  California         NaN
3  California         NaN
4    New York         NaN
5         NaN         NaN

重新统一值

>>> df_parts[0].fillna(df_parts[1])  # Fill blanks in col 1 with values in col 2
Out[]:
0    California
1    California
2    California
3    California
4      New York
5           NaN
Name: 0, dtype: object

替换原始数据框中的策展值

df['State_new'] = df_parts[0].fillna(df_parts[1])

>>> df
Out[]:
               State   State_new
0    California, USA  California
1  Beverly Hills, CA  California
2         California  California
3                 CA  California
4            NY, USA    New York
5                USA         NaN

这可能不是一个完美的方法，但希望它会有所帮助。