如何通过遍历字典来有效地替换数据框中的值？

Question

我有一个薪水范围的数据框，如下所示：

import pandas as pd
df = pd.DataFrame(columns=['Salary'])
df.Salary = ['30,000-39,999', '5,000-7,499', '250,000-299,999', '4,000-4,999', '60,000-69,999', '10,000-14,999', '80,000-89,999', '$0-999', '2,000-2,999', '70,000-79,999', '90,000-99,999', '125,000-149,999', '$0-999', '$0-999', '40,000-49,999', '20,000-24,999', '125,000-149,999', '$0-999', '10,000-14,999', '15,000-19,999', '20,000-24,999', '100,000-124,999', '$0-999']
df

我想用数字替换薪水范围的这些字符串值，其中1表示$0-999，2表示1000-1999，依此类推。因此，下面是我执行此操作的代码，制作一个将字符串映射为数字的字典，并使用2进行循环-一个循环遍历数据帧中的每一行，一个循环遍历字典中的每个元素：

salary_dict = {'$0-999':1, '1,000-1,999':2, '2,000-2,999':3, '3,000-3,999':4, '4,000-4,999':5, 
           '5,000-7,499':6, '7,500-9,999':7, '10,000-14,999':8, '15,000-19,999':9, '20,000-24,999':10, 
           '25,000-29,999':11, '30,000-39,999':12, '40,000-49,999':13, '50,000-59,999':14, '60,000-69,999':15, 
           '70,000-79,999':16, '80,000-89,999':17, '90,000-99,999':18, '100,000-124,999':19, '125,000-149,999':20, 
           '150,000-199,999':21, '200,000-249,999':22, '250,000-299,999':23, '300,000-500,000':24, '> $500,000':25}

for i in range(len(df)):
    for key in salary_dict:
        if df.Salary[i]==key:
            df.Salary[i] = salary_dict[key]
            break

df

这对于较小的数据帧是可以的，但是对于较大（较长）的数据帧，代码需要很长时间才能完成运行。如何优化它？

Answer 1

• 最有效的方法是使用系列apply函数。 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.apply.html
• 在系列上使用apply函数可将定义的任何功能应用于每个要素。
• 在这里，我们将df['Salary']的每个元素映射到字典中的等效值。
• 如果您不了解此部分，lambda x: salary_dict.get(x, x)请查看python lambda。
• 在字典上也使用get方法来保护密钥不在字典上的情况。

df['Salary'] = df['Salary'].apply(lambda x: salary_dict.get(x, x))
print(df)

输出：

   Salary
0   12
1   6
2   23
3   5
4   15
5   8
6   17
7   1
8   3
9   16
10  18
11  20
12  1
13  1
14  13
15  10
16  20
17  1
18  8
19  9
20  10
21  19
22  1