Question

所以我正在处理具有两个数据框的数据集。数据框如下所示：

df1：

Item_ID  Item_Name
0        A
1        B
2        C

df2：

Item_slot_1   Item_slot_2  Item_Slot_3
2             2            1
1             2            0
0             1            1

df2中的值表示df1中的Item_ID。如何将df2中的值从item_id替换为实际的项目名称，以便df2看起来像：

Item_slot_1   Item_slot_2  Item_Slot_3
C             C            B
B             C            A
A             B            B

现实中的数据集比a，b和c大得多，并且具有更多的ID和名称

Answer 1

通过zip创建字典，并将其传递给applymap或replace或apply和map：

s = dict(zip(df1['Item_ID'], df1['Item_Name']))
#if value not exist in df1['Item_ID'] get None in df2
df2 = df2.applymap(s.get)

或者：

#if value not exist in df1['Item_ID'] get original value in df2
df2 = df2.replace(s)

或者：

#if value not exist in df1['Item_ID'] get NaN in df2
df2 = df2.apply(lambda x: x.map(s))

print (df2)
  Item_slot_1 Item_slot_2 Item_Slot_3
0           C           C           B
1           B           C           A
2           A           B           B

编辑：

您可以按名称指定进程的列：

cols = ['Item_slot_1','Item_slot_2','Item_Slot_3']

df2[cols] = df2[cols].applymap(s.get)
df2[cols] = df2[cols].replace(s)
df2[cols] = df2[cols].apply(lambda x: x.map(s))

Answer 2

您可以使用numpy提高字典映射的速度。如果您的项目编号为0-N，这是微不足道的，如果没有编号，则将变得有些棘手，但仍很容易实现。

如果df1中的项目编号为0-N，请使用基本索引：

a = df1['Item_Name'].values
b = df2.values

pd.DataFrame(a[b], columns=df2.columns)

  Item_slot_1 Item_slot_2 Item_Slot_3
0           C           C           B
1           B           C           A
2           A           B           B

如果编号不是 0-N，这是一种更通用的方法：

x = df1['Item_ID'].values
y = df1['Item_Name'].values
z = df2.values

m = np.arange(x.max() + 1, dtype=object)
m[x] = y

pd.DataFrame(m[z], columns=df2.columns)

  Item_slot_1 Item_slot_2 Item_Slot_3
0           C           C           B
1           B           C           A
2           A           B           B

仅替换df2中列的子集也很简单，让我们演示仅替换df2的前两列：

x = df1['Item_ID'].values
y = df1['Item_Name'].values
cols = ['Item_slot_1', 'Item_slot_2']
z = df2[cols].values

m = np.arange(x.max() + 1, dtype=object)
m[x] = y

df2[cols] = m[z]

  Item_slot_1 Item_slot_2  Item_Slot_3
0           C           C            1
1           B           C            0
2           A           B            1

这种索引比apply和replace的性能提升要大：

import string

df1 = pd.DataFrame({'Item_ID': np.arange(26), 'Item_Name': list(string.ascii_uppercase)})
df2 = pd.DataFrame(np.random.randint(1, 26, (10000, 100)))

%%timeit
s = dict(zip(df1['Item_ID'], df1['Item_Name']))
df2.applymap(s.get)

158 ms ± 10.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%%timeit
s = dict(zip(df1['Item_ID'], df1['Item_Name']))
df2.replace(s)

750 ms ± 34.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
s = dict(zip(df1['Item_ID'], df1['Item_Name']))
df2.apply(lambda x: x.map(s))

93.1 ms ± 4.19 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%%timeit
x = df1['Item_ID'].values
y = df1['Item_Name'].values
z = df2.values
m = np.arange(x.max() + 1, dtype=object)
m[x] = y
pd.DataFrame(m[z], columns=df2.columns)

30.4 ms ± 182 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

从另一个数据框中替换一个数据框中的值

2 个答案: