使用字典替换变量的值

Question

在我的数据集中，我有三列：产品、市场和产品类型。对于具有不同产品类型的产品，我必须将 product_type 值替换为以下顺序的值：marketplace = 200、300、400 和 500。输入文件如下所示：

product Marketplace product_type
1                  200            X
2                  300            A
2                  400            A
2                  200            A
3                  500            A
3                  400            A
3                  300            B

这是输出的样子：

  product Marketplace product_type
    1                  200            X
    2                  300            A
    2                  400            A
    2                  200            A
    3                  500            B
    3                  400            B
    3                  300            B

因为我们无法获取市场 == 200 的信息，我们将切换到市场 == 300 并替换我拥有的所有集合的值，产品 == 3。 这是我使用的代码：

mp_correspondence = {200:1, 
                     300:2,
                     400:3,
                     500:4, 
                   }
df['ranking'] = df['marketplace'].map(mp_correspondence)
number_list = set(df['product '])


for i in product_list:
    df_product_frame = df[df['product '] == i].copy()
    nr_rows = df_product_frame['product'].count()
    if nr_rows > 1:
        product_type_count = set(df_product_frame['product_type'])
        print(product_type_count )
        preced_value = set(df['ranking'])
        print(preced_value)
        if product_type_count != 1:
           res = next(iter(preced_value))
           print("The first key of dictionary is:" + str(res))      
    else:
        print('Lesser than 1')

但最重要的是，优先排名列未显示与市场产品类型相关的正确值。有什么方法可以帮助您解决错误并获得替换值的方法？

Answer 1

这个问题对我来说并不清楚，但这会给你预期的输出：

df['product_type'] = (
    df.assign(ranking=df['Marketplace'].map(mp_correspondence)) \
      .sort_values('ranking').groupby('product')['product_type'].transform('first')
)
print(df)

# Output:
   product  Marketplace product_type
0        1          200            X
1        2          300            A
2        2          400            A
3        2          200            A
4        3          500            B
5        3          400            B
6        3          300            B