Question

我有一个这样的数据框：

df1 = pd.DataFrame({'col1' : ['cat', 'cat', 'dog', 'green', 'blue']})

，我想要一个提供该类别的新列，如下所示：

dfoutput = pd.DataFrame({'col1' : ['cat', 'cat', 'dog', 'green', 'blue'],
                         'col2' : ['animal', 'animal', 'animal', 'color', 'color']})

我知道我可以使用.loc来低效率地做到这一点：

df1.loc[df1['col1'] == 'cat','col2'] = 'animal'
df1.loc[df1['col1'] == 'dog','col2'] = 'animal'

如何将cat和dog合并为animal？这不起作用：

df1.loc[df1['col1'] == 'cat' | df1['col1'] == 'dog','col2'] = 'animal'

Answer 1

构建您的<div> <video src="path/video.mp4"></video> <div>This div must be removed</div> <div>Controls</div> </div> <div> <video src="path/video.mp4"></video> <div>This div must be removed</div> <div>Controls</div> </div> <button onclick="removeDivs()">Remove divs</button>然后执行dict

map

Answer 2

由于多个项目可能属于一个类别，因此建议您从字典映射类别开始：

@SuppressWarnings("unchecked")
static <T> Stream<T> reverse(Stream<T> input) {
    Object[] temp = input.toArray();
    return (Stream<T>) IntStream.range(0, temp.length)
            .mapToObj(i -> temp[temp.length - i - 1]);
}

您可能会发现它更易于维护。然后使用字典理解功能，然后按pd.Series.map来反转字典：

cat_item = {'animal': ['cat', 'dog'], 'color': ['green', 'blue']}

您也可以使用pd.Series.replace，但这通常是less efficient。

大熊猫：基于具有多个值的其他列添加df列映射到相同的新列值

2 个答案: