Question

我有一个数据框，其中包含纽约市（曼哈顿，布鲁克林等）的行政区名称。我想创建另一个列'borough_num'，为每个行政区划分一个号码（曼哈顿 - > 1，布鲁克林 - > 2，皇后区 - > 3，史坦顿岛 - > 4，布朗克斯 - > 5，其他 - ＆gt; 0）。

然而，在Borough专栏中，有些行在行政区名称前面包含数字（例如，而不是“Bronx”，我有“07 Bronx”）。因为这个“07布朗克斯”仍然是布朗克斯区的一部分，所以它也应该被指定为与“布朗克斯”相同的值“5”。因此，我需要创建一个字典，将数字5分配给包含单词“Bronx”的字符串。每个自治市都一样。有关如何做到这一点的任何线索？我是python的新手！

这是我在注意到具有数字的单元格之前所拥有的：

df['Borough'] = df['Borough'].fillna('OTHER')
borough_dict = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}
df['borough_num'] = df['Borough'].apply(lambda x:0 if borough_dict.get(x) == None else borough_dict.get(x))

Answer 1

由于有一小部分自治市镇名称要为其分配整数代码，因此将其作为一系列显式逻辑索引分配完全可以接受，例如下面的一些示例数据。

具体来说，在这种情况下，不需要尝试将自治市镇代码映射封装到dict或辅助函数或任何更高级别的apply或map操作中。 DataFrame。

只是一组5个无聊的直接逻辑分配。

In [13]: df = pandas.DataFrame({
    'Borough': ["Manhattan", "Brooklyn", "Bronx", "07 Bronx", 
                "109 Staten Island", "03 Brooklyn", "04 Queens"], 
    'Value':[1, 2, 3, 4, 5, 6, 7]
})

In [14]: df
Out[14]:
             Borough  Value
0          Manhattan      1
1           Brooklyn      2
2              Bronx      3
3           07 Bronx      4
4  109 Staten Island      5
5        03 Brooklyn      6
6          04 Queens      7

In [15]: df['Borough_num'] = 6  # everything defaults to the 'other' case

In [16]: df.loc[df.Borough.str.contains("Manhattan"), 'Borough_num'] = 1

In [17]: df.loc[df.Borough.str.contains("Brooklyn"), 'Borough_num'] = 2

In [18]: df.loc[df.Borough.str.contains("Queens"), 'Borough_num'] = 3

In [19]: df.loc[df.Borough.str.contains("Staten Island"), 'Borough_num'] = 4

In [20]: df.loc[df.Borough.str.contains("Bronx"), 'Borough_num'] = 5

In [21]: df
Out[21]: 
             Borough  Value  Borough_num
0          Manhattan      1            1
1           Brooklyn      2            2
2              Bronx      3            5
3           07 Bronx      4            5
4  109 Staten Island      5            4
5        03 Brooklyn      6            2
6          04 Queens      7            3

如果您想出于某种原因封装自治市镇代码映射，可以使用简单的dict后跟循环来实现：

In [30]: borough_code = {'Manhattan': 1, 'Brooklyn': 2, 'Queens': 3,
                         'Staten Island': 4, 'Bronx': 5}

In [31]: for borough, code in borough_code.items():
    ...:     df.loc[df.Borough.str.contains(borough), 'Borough_num'] = code

除非DataFrame是巨大的，否则str.contains的重复矢量化计算与在列中映射函数无法区分，但更容易理解。

Answer 2

也许写一个简单的辅助函数：

def find_borough_id(name):
    for k, v in borough_dict.items():
        if k in name:
            return v
    return 0

df['borough_num'] = df['Borough'].apply(find_borough_id)

Answer 3

一种解决方案是搜索borough_dict的哪个键是x的子字符串并返回其相关值：

def get_borough_num(x):
  for key, val in borough_dict.items():
    if key in x:
       return val
  return 0
df['borough_num'] = df['Borough'].apply(get_borough_num)

另一种解决方案是假设所有行都使用borough_name作为行政区名称或以空格+行政区域名称结尾。有了这样的假设，您可以使用：

获取borough_name

x.rsplit(' ')[-1]

如果字符串包含空格，则返回最后一个空格后的字符串，否则返回整个字符串：

"Manhattan".rsplit(' ')[-1] => "Manhattan"
"blah Manhattan".rsplit(' ')[-1] => "Manhattan"

所以当结束时：

get_borough_num = lambda x: borough_dict.get(x.rsplit(' ')[-1], 0)
df['borough_num'] = df['Borough'].apply(get_borough_num)

Answer 4

让我们使用Pandas str访问器和字符串函数，例如extract，join，upper和python方法map。

根据@alexlaval问题设置：

borough_dict = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}

并从@ely

设置

df = pd.DataFrame({
    'Borough': ["Manhattan", "Brooklyn", "Bronx", "07 Bronx", 
                "109 Staten Island", "03 Brooklyn", "04 Queens","Unknown"], 
    'Value':[1, 2, 3, 4, 5, 6, 7, 8]
})

让我们创建一个正则表达式，从dataframe列中提取自治市镇：

x = '(' + '|'.join(borough_dict.keys()) + ')'

现在，让我们使用提取和地图来获得自治市镇号

df['Borough_number'] = df.Borough.str.upper()\
                         .str.extract(x, expand=False).fillna('OTHER')\
                         .map(borough_dict)

输出：

             Borough  Value  Borough_number
0          Manhattan      1               1
1           Brooklyn      2               2
2              Bronx      3               5
3           07 Bronx      4               5
4  109 Staten Island      5               4
5        03 Brooklyn      6               2
6          04 Queens      7               3
7            Unknown      8               6

Answer 5

一种天真的方法是定义一个函数来搜索字符串，如果找到该字符串，则返回预期的id。

from PIL import Image
import os


path = 'C:/Users/name/Sourcelocation/'
imagenames = os.listdir(path)

for imagename in imagenames:
    print(imagename)
try:
    im = Image.open(path + imagename)
    im.save(path + imagename)
except:
    pass

Answer 6

功能方法

使用带有生成器表达式的自定义函数，如果未找到匹配项，则使用默认值dict.get返回“OTHER”。

然后通过pd.Series.apply应用该功能。

df = pd.DataFrame({'Borough': ['07 BRONX', '01 MANHATTAN', 'STATEN ISLAND', '12 QUEENS', 'UNKNOWN']})

d = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}

def map_borough(x, mapping):
    return mapping.get(next((k for k in mapping if x.endswith(k)), None), 'OTHER')

df['borough_num'] = df['Borough'].apply(map_borough, mapping=d)

print(df)

#          Borough borough_num
# 0       07 BRONX           5
# 1   01 MANHATTAN           1
# 2  STATEN ISLAND           4
# 3      12 QUEENS           3
# 4        UNKNOWN       OTHER

Answer 7

面向对象的方法

您可以继承dict，然后使用pd.Series.map。

class dict_endswith(dict):
    def __getitem__(self, value):
        key = next((k for k in self.keys() if value.endswith(k)), None)
        return self.get(key)

df = pd.DataFrame({'Borough': ['07 BRONX', '01 MANHATTAN', 'STATEN ISLAND', '12 QUEENS', 'UNKNOWN']})

d = dict_endswith({'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6})

df['borough_num'] = df['Borough'].map(lambda x: d[x]).fillna('OTHER')

print(df)

#          Borough borough_num
# 0       07 BRONX           5
# 1   01 MANHATTAN           1
# 2  STATEN ISLAND           4
# 3      12 QUEENS           3
# 4        UNKNOWN       OTHER

Answer 8

Loopy解决方案

如果要使用循环，则可以通过将数据结构与逻辑分离来使代码更具可读性。

在此示例中，您可以按顺序迭代字典项。 @ely's version对于更大的数据框更好。

df = pd.DataFrame({'Borough': ['07 BRONX', '01 MANHATTAN', 'STATEN ISLAND', '12 QUEENS', 'UNKNOWN']})

d = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}

def map_borough(x, mapping):
    for k, v in mapping.items():
        if k in x:
            return v
    else:
        return 'OTHER'

df['borough_num'] = df['Borough'].apply(map_borough, mapping=d)

#          Borough borough_num
# 0       07 BRONX           5
# 1   01 MANHATTAN           1
# 2  STATEN ISLAND           4
# 3      12 QUEENS           3
# 4        UNKNOWN       OTHER

使用另一列的子字符串创建字典键

8 个答案: