使用For循环Python熊猫屏蔽邮编

Question

我正在尝试编写一个for循环，该循环遍历数据帧并根据总体分配给定邮政编码的0或前三位。我的助教说，我需要修正第二行以遍历索引而不是数据帧的长度，但是我不确定如何前进。这是问题和我的代码。

“在这部分中，您应该编写一个for循环，更新df_users数据框。遍历每个用户，并将其邮政编码更新为安全港规范：如果用户来自“地理位置” “细分”小于20,000，请将df_users中的邮政编码更改为“ 0”（作为字符串）。否则，邮政编码应仅是完整邮政编码的前3个数字。通过直接更新邮政编码列来完成所有操作df_users数据框。”

for item in range(0, len(df_users)):

    population = zip_dict[df_zip.loc[item, 'population']]
    if population <= 20000:
        df_users.loc[item, 'zip'] = '0'
    else: 
        new_zip = (df_users.loc[item, 'zip'])[:3]
        df_users.loc[item, 'zip'] = new_zip

Answer 1

使用.apply和np.where

• 不建议将for-loop与pandas数据框一起使用，这会导致性能下降。

import pandas as pd
import numpy as np

# dataframe example
df = pd.DataFrame({'pop': [10000, 20000, 30000], 'zip': [12345, 97000, 87390]})

   pop    zip
 10000  12345
 20000  97000
 30000  87390

# update zip based on pop
df['zip'] = df.apply(lambda x: np.where(x['pop'] < 20000, '0', str(x['zip'])[:3]), axis=1)

   pop  zip
 10000    0
 20000  970
 30000  873

如果您必须使用for-loop

• 您不应该，这是pandas anti-pattern
• range(0, len(df_users))从0, 1, ..., len(df)-1产生一个列表，但是，索引可能没有从0, 1, ...开始按数字顺序排序。这可能就是为什么指示您更改为df.index
的原因
• 大概邮政编码是数字。 (df_users.loc[item, 'zip'])[:3]不能与int一起使用，这就是为什么要使用str(df.loc[i, 'zip'])[:3]的原因。如果zip列为object或str类型，则可以使用df.loc[i, 'zip'][:3]

for i in df.index:
    pop = df.loc[i, 'pop']
    if pop < 20000:
        df.loc[i, 'zip'] = '0'
    else:
        df.loc[i, 'zip'] = str(df.loc[i, 'zip'])[:3]