Question

我有一个看起来像这样的Pandas数据框：

<form>

如何重新分类> print(df) image_name tags 0 img1 class1 class2 class3 1 img2 class2 2 img3 class2 class3 3 img4 class1列，以便为任何具有tags值的行分配字符串“ yes”和其他所有字符串“ no”？

我知道我可以使用以下方法检查搜索字词的实例：

class3

但是，我不确定如何将其集成到手头的任务中。

以下是预期的输出：

df['tags'].str.contains('class3')

Answer 1

将np.where用作：

df['tags'] = np.where(df['tags'].str.contains('class3'),'yes','no')

或

df['tags'] = 'no'
df.loc[df['tags'].str.contains('class3'),'tags'] = 'yes'

或

df['tags'] = ['yes' if 'class3' in s else 'no' for s in df3.tags.values]

上述方法的输出：

print(df)
  image_name tags
0       img1  yes
1       img2   no
2       img3  yes
3       img4   no

Answer 2

您也可以这样做：

df['tags'] = df.tags.str.contains('class3').map({True:'Yes',False:'No'})
>>> df
  image_name tags
0       img1  Yes
1       img2   No
2       img3  Yes
3       img4   No

Answer 3

也许这会比str.contains

快一点

v=np.array(['Yes','No'])[np.array(['class3' in x for x in df.tags]).astype(int)]
v
Out[267]: array(['No', 'Yes', 'No', 'Yes'], dtype='<U3')
#df['tags']=v

下面的定时列表

#df=pd.concat([df]*1000)
#sacul
%timeit df.tags.str.contains('class3').map({True:'Yes',False:'No'})
The slowest run took 10.12 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 3.11 ms per loop
#Mine
%timeit np.array(['Yes','No'])[np.array(['class3' in x for x in df.tags]).astype(int)]
1000 loops, best of 3: 390 µs per loop
#Borealis
%timeit np.where(df['tags'].str.contains('class3'),'yes','no')
100 loops, best of 3: 2.46 ms per loop

如何重新分类熊猫数据框列？

3 个答案: