关于python：在dataframe列中查找字典的值并进行修改


Find a value of a dictionary in dataframe column and modify it

我现在处理DataFrames和Dictionaries，我有一个问题，
我有一个词典"水果"

1
{BN:'Banana', LM:'Lemon', AP:'Apple' ..... etc}

和一个DataFrame-"股票"：

1
2
3
4
5
   Fruit             Price
0  Sweet Mango           1
1  Green Apple           2
2  Few blue Banana       0
3  Black Banana          5

我想做下一件事：
用这种方式用Fruits.values()替换Stock['Fruit']中的所有值：
如果Fruits中的值出现在Stock['Fruit']行中，它将以这种方式替换：

几个蓝香蕉--->香蕉

黑香蕉--->香蕉

现在DataFrame Stock将以这种方式看待：

1
2
3
4
5
   Fruit             Price
0  Sweet Mango           1
1  Green Apple           2
2  Banana                0
3  Banana                5

我找到了不同的代码来替换或检查Dicitionary中的值是否出现在DataFrame中

1
2
3
4
5
Stock['Fruit'] = Stock.Fruit.map(Fruits)

if (Fruits.values() in Stock['Fruit'] for item in Stock)

any('Mango' in Stock['Fruit'] for index,item in Stock.iterrows())

但是我无法找到更新DataFrame行的任何内容

相关讨论

使用字符串方法处理条件并提取所需的值，

1
2
3
4
5
6
7
8
9
pat = r'({})'.format('|'.join(d.values()))
cond = df['Fruit'].str.contains('|'.join(d.values()))
df.loc[cond, 'Fruit'] = df['Fruit'].str.extract((pat), expand = False)

    Fruit       Price
0   Sweet Mango 1
1   Apple       2
2   Banana      0
3   Banana      5

编辑：正如@ user3483203建议的那样，您可以在提取模式后使用原始文件填充缺失值。

1
df['Fruit'] = df['Fruit'].str.extract(pat).fillna(df.Fruit)
相关讨论

IIUC，您可以使用apply()自定义功能：

1
2
3
4
5
6
7
8
9
10
11
12
import pandas as pd

df = pd.DataFrame([['Sweet Mango', 1],['Green Apple', 2],['Few blue Banana', 0],['Black Banana', 5]],
  columns=['Fruit','Price'])

fruits = {'BN':'Banana', 'LM': 'Lemon', 'AP':'Apple', 'MG': 'Mango'}

def find_category(x):

  return [k for k in fruits.values() if k in x][0]

df['Fruit'] = df['Fruit'].apply(find_category)

产量：

1
2
3
4
5
    Fruit  Price
0   Mango      1
1   Apple      2
2  Banana      0
3  Banana      5
相关讨论

使用这里的答案结果，我们创建了一个子类defaultdict的新类，并覆盖其__missing__属性以允许将键传递给default_factory：

1
2
3
4
5
6
7
8
from collections import defaultdict
class keydefaultdict(defaultdict):
    def __missing__(self, key):
        if self.default_factory is None:
            raise KeyError(key)
        else:
            ret = self[key] = self.default_factory(key)
            return ret

我们创建了一个初始字典，用于映射我们要替换的'Fruits'列中的2个值。

1
fruit_dict = {'Few blue Banana': 'Banana', 'Black Banana': 'Banana'}

然后我们用default_factory lambda x: x创建一个新类的实例。即，如果我们在搜索时找不到密钥，请将密钥作为值。

1
2
fruit_col_map = keydefaultdict(lambda x: x)
fruit_col_map.update(**fruit_dict)

最后，更新列：

1
2
df['Fruit'] = df['Fruit'].map(fruit_col_map)
df

输出：

1
2
3
4
5
         Fruit  Price
0  Sweet Mango      1
1  Green Apple      2
2       Banana      0
3       Banana      5

与接受的答案相比，这个速度提高了6倍多：

1
2
3
4
5
df = pd.DataFrame({
    'Fruit': ['Sweet Mango', 'Green Apple', 'Few blue Banana', 'Black Banana']*1000,
    'Price': [1, 2, 0, 5]*1000
})
%timeit df['Fruit'].map(fruit_col_map)

结果：

1
1.03 ms ± 48.5 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

接受的答案：

1
2
pat = r'({})'.format('|'.join(fruit_dict.values()))
%timeit df['Fruit'].str.extract(pat).fillna(df['Fruit'])

结果：

1
6.85 ms ± 223 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)