Question

我有一个词典存储，其中包含网点名称作为键，并包含网点种类作为其值

stores = {'McDonalds':'Fast food','African and Eastern Beverage':'Alcohol','Baskin Robbins': 'ice Cream'}

我有一个熊猫数据框，其中包含出口名称以及分支位置（在“商家列”中），其中一些具有MerchantType的NaN值

我需要使用商店字典填充具有NaN值并与商家类型匹配的那些行的MerchantType列，请记住商店字典不包含位置（阿布扎比，迪拜，华盛顿等）在键中。

print (df)    
                                     Merchant MerchantType
index                                                     
0                         McDonalds Abu Dhabi          NaN
1                               Dunkin Donuts       Sweets
2          African and Eastern Beverage Dubai          NaN
3                                 Burger King    Fast Food
4      African and Eastern Beverage Abu Dhabi          NaN
5                                 Burger King    Fast Food
6                   Baskin Robbins Washington          NaN

最有效的方法是什么？

Answer 1

在字典中循环并仅通过str.contains设置匹配的值，并在MerchantType列中设置缺少的值：

mask = df['MerchantType'].isnull()
for k, v in stores.items():
    df.loc[df['Merchant'].str.contains(k, regex=False) & mask, 'MerchantType'] = v

print (df)
                                     Merchant MerchantType
index                                                     
0                         McDonalds Abu Dhabi    Fast food
1                               Dunkin Donuts       Sweets
2          African and Eastern Beverage Dubai      Alcohol
3                                 Burger King    Fast Food
4      African and Eastern Beverage Abu Dhabi      Alcohol
5                                 Burger King    Fast Food
6                   Baskin Robbins Washington    ice Cream

通过映射到另一列中包含字符串值的子集的字典来创建dataframe列。作为关键

1 个答案: