Question

我可能会以所有错误的方式进行操作。我正在尝试查找约100家英国医院的邮政编码。我有一个Excel电子表格（all_all），列出了英国（14,000）医院/诊所/机构的总数，以及它们的地址和邮政编码。

我拥有这100家医院每年的手术活动数据（脊柱），医院名称重复2817行。


spine.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2818 entries, 0 to 2817
Data columns (total 7 columns):
index_col       2818 non-null float64
fyear           2818 non-null int64
NNAPID          2818 non-null int64
mainspef        2818 non-null int64
Trust           2818 non-null object
complexcount    2818 non-null float64
simplecount     2818 non-null float64
dtypes: float64(3), int64(3), object(1)
memory usage: 154.2+ KB

我认为我可以使用Pandas series map。

进口csv，包括所有14,000家医院。

postcodes_all = pd.read_csv('all_all.csv')

postcodes_all.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 14206 entries, 0 to 14205
Data columns (total 3 columns):
Unnamed: 0     14206 non-null int64
Trust_title    14206 non-null object
postcode       14206 non-null object
dtypes: int64(1), object(2)
memory usage: 333.1+ KB

在英国，医院是Trusts，因此在我的数据框（书脊）中，医院名称列= Trust。我正在尝试将此映射到postcodes_all（Trust_title）中的医院条目。

     spine['Trust'].map(postcodes_all['Trust_title'])
        0       NaN
1       NaN
2       NaN
3       NaN
4       NaN
       ... 
2813    NaN
2814    NaN
2815    NaN
2816    NaN
2817    NaN
Name: Trust, Length: 2818, dtype: object

找不到任何匹配项。医院字段是例如LEEDS TEACHING HOSPITALS NHS TRUST，而同一条目在postcodes_all中。

有没有一种方法可以探索失败的原因？我是一位试图学习python和pandas进行数据分析的医生，所以要进行很多早期工作。

我不确定它是否没有失败，只是我在某个地方定义了错误的数据类型，或者我试图匹配两个本来就不相同的列，并且希望能够检查失败的代码。

很抱歉我赶往诊所时OP的含糊和简短。

更新。

根据乔下面的评论，我简化了事情。在脊柱式csv中，我已定义要用作“信任”的列，而在邮政编码csv中，我已将索引列定义为“信任”。

我现在肯定要比较脊椎医院名称和邮政编码中的索引字段。我现在在“信任”中遇到一个关键错误。

我的代码在这里

import pandas as pd

spine = pd.read_csv('~/Dropbox/Work/NNAP/Spine/Kate_W/kate_spine2.csv', usecols = ['Trust'])



spine.head()

Trust
0   THE WALTON CENTRE NHS FOUNDATION TRUST
1   CAMBRIDGE UNIVERSITY HOSPITALS NHS FOUNDATION ...
2   KING'S COLLEGE HOSPITAL NHS FOUNDATION TRUST
3   LEEDS TEACHING HOSPITALS NHS TRUST
4   NT424

postcodes_all = pd.read_csv('all_all.csv', index_col = 'Trust')


postcodes_all.head()

    Unnamed: 0  postcode
Trust       
MANCHESTER UNIVERSITY NHS FOUNDATION TRUST  0   M13 9WL
SOUTH TYNESIDE AND SUNDERLAND NHS FOUNDATION TRUST  1   SR4 7TP
WORCESTERSHIRE HEALTH AND CARE NHS TRUST    2   WR5 1JR
SOLENT NHS TRUST    3   SO19 8BR
SHROPSHIRE COMMUNITY HEALTH NHS TRUST   4   SY3 8XL

为确保我使用的是序列而不是数据框，我在代码中添加了“信任”，如下所示。


map1 = spine['Trust'].map(postcodes_all['Trust'])

KeyError                                  Traceback (most recent call last)
~/anaconda3/lib/python3.7/site-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance)
   2896             try:
-> 2897                 return self._engine.get_loc(key)
   2898             except KeyError:

pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

KeyError: 'Trust'

During handling of the above exception, another exception occurred:

KeyError                                  Traceback (most recent call last)
<ipython-input-68-921448f7c401> in <module>
----> 1 map1 = spine['Trust'].map(postcodes_all['Trust'])

~/anaconda3/lib/python3.7/site-packages/pandas/core/frame.py in __getitem__(self, key)
   2993             if self.columns.nlevels > 1:
   2994                 return self._getitem_multilevel(key)
-> 2995             indexer = self.columns.get_loc(key)
   2996             if is_integer(indexer):
   2997                 indexer = [indexer]

~/anaconda3/lib/python3.7/site-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance)
   2897                 return self._engine.get_loc(key)
   2898             except KeyError:
-> 2899                 return self._engine.get_loc(self._maybe_cast_indexer(key))
   2900         indexer = self.get_indexer([key], method=method, tolerance=tolerance)
   2901         if indexer.ndim > 1 or indexer.size > 1:

pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

KeyError: 'Trust'

我不确定为什么这是不正确的以及关键错误是什么意思。

Answer 1

获得所有NaN值的原因是因为spine['Trust']中没有一个值在postcodes_all['Trust_title']的索引中找到。 map()用于用新值替换旧值。它需要一个键值对来知道要使用哪个新值替换每个旧值时。对于系列，它使用索引作为键，并使用单个系列列作为值。

有关在这种情况下如何调试的提示，尝试一个简单的例子，例如您链接的熊猫文档中的一个。参见下面的示例。

import pandas as pd

s = pd.Series(['cat', 'dog', 'rabbit'])
s

## Output
0       cat
1       dog
2    rabbit
dtype: object

s2 = pd.Series(['carnivore', 'omnivore', 'herbivore'])
s2

## Output
0    carnivore
1     omnivore
2    herbivore
dtype: object

s.map(s2)

## Output
0    NaN
1    NaN
2    NaN
dtype: object

返回

NaN，因为熊猫在s中的值之间找不到任何匹配的值以及s2中的索引。将s2的索引设置为s的值将解决此问题。

# Set the values from `s` as the index in `s2`
s2.index = s
s2

## Output
cat       carnivore
dog        omnivore
rabbit    herbivore
dtype: object

s.map(s2)

## Output
0    carnivore
1     omnivore
2    herbivore
dtype: object

将Series传递给Series.map（）

1 个答案: