Question

在我的文件中，一列包含不同的成绩（列名称='成绩）。

例如：91 50K，92 60K，DIESEL，ADBlU等。

对于所有这些年级，我需要将其分类为几个年级；

例如: 91 50K= Petrol

在我的python中，我该怎么做？请注意，我可以将整个列传递给函数。但是函数必须用正确的值重写每一行的值；

def checkgrades(data):
df['Grades']=???
???

按照下面的答案，我尝试；

 df_dips=map_dips_grades(df_dips)
df_sales = df_sales.merge(df_dips, left_on=['Site Name', 'Date','GradeNo'],
                              right_on=['Site', 'Dip Time', 'Product'], how='left').fillna(0)



def map_dips_grades(data):

    d1 = {'Diesel': ['DIESEL', 'DIESEL 1'],
          'Unleaded': ['91','91 UNLEADED'],
          'PULP':['95','95 ULP'],
          'PULP98':['98','98 20K'],
          'Vortex Diesel':['DIESEL ULT R'],
          'Adblue':['ADBLU','ADO']}

    d = {k: oldk for oldk, oldv in d1.items() for k in oldv}

    data['Product'].map(d)
    return data

但是我明白了

ValueError: You are trying to merge on int64 and object columns. If you wish to proceed you should use pd.concat

Answer 1

您可以尝试将字典与map（）函数一起使用。像这样：

dict = {'91 50K': 'Petrol', .........}
df['Grades'] = df['Grades'].map(dict)

Answer 2

您可以先在Grades，然后在Series.map中创建所有可能值的字典：

#test all possible unique values
print (df['Grades'].unique())

d = {'91 50K':'Petrol','92 60K':'Petrol','DIESEL':'Diesel',...}

df['Grades'] = df['Grades'].map(d)

另一种可能减少打字的字典是列表字典：

d1 = {'Petrol':['91 50K','92 60K'],
      'Diesel':['DIESEL']}

#swap key values in dict
#http://stackoverflow.com/a/31674731/2901002
d = {k: oldk for oldk, oldv in d1.items() for k in oldv}
print (d)
{'91 50K': 'Petrol', '92 60K': 'Petrol', 'DIESEL': 'Diesel'}

df['Grades'] = df['Grades'].map(d)

如何在熊猫中映射列值？

2 个答案: