熊猫数据框替换列中的唯一值答案

【问题标题】：Pandas dataframe replace unique values in a column熊猫数据框替换列中的唯一值
【发布时间】：2018-08-16 20:53:02
【问题描述】：

我的数据框如下所示：

col1  col2  col3
Aba   xxx   yyy
bab   bhh   jjj
ccc   kkk   lll
Aba   xxx   yyy
ccc   kkk   jjj

我想用以下内容替换每列的唯一值：在col1 中：Aba 被替换为a0，bab 被替换为a1，ccc 被替换为a2，无论它出现在列中的什么位置。

与 col2 类似：xxx 被替换为 b0，bhh 被替换为 b1 等等。

简而言之，第一列开始用a0,a1,a2,a3 替换唯一值，第二列用b0,b1,b2,b3，第三列用c0,c1,c2.. 等等。

在循环中寻找解决方案，以便我可以处理所有列和所有唯一值，因为我有超过一百万行。

谢谢，

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我会这样做：

In [184]: ['a','b','c'] + df.apply(lambda x: pd.factorize(x)[0]).astype(str)
Out[184]:
  col1 col2 col3
0   a0   b0   c0
1   a1   b1   c1
2   a2   b2   c2
3   a0   b0   c0
4   a2   b2   c1

更通用的方法：

import string

c = list(string.ascii_lowercase)[:len(df.columns)]
df1 = c + df.apply(lambda x: pd.factorize(x)[0]).astype(str)
df1
  col1 col2 col3
0   a0   b0   c0
1   a1   b1   c1
2   a2   b2   c2
3   a0   b0   c0
4   a2   b2   c1

【讨论】：

@jezrael，谢谢！我没听明白 - 你说的“酒吧”是什么意思？
我修改答案以删除它；）
@MaxU - 最好和最聪明的解决方案！非常感谢:)
@jezrael，啊，我现在明白了 - 您在谈论 iPython 提示符...感谢您编辑答案！:-)
不，我认为 html 栏如果答案很长 ;)

【解决方案2】：

这是一个numpy 解决方案。它应该是高效的，因为列表理解通常比 apply + lambda 更快。

字母范围来源：Alphabet range python

import pandas as pd
from string import ascii_lowercase

df = pd.DataFrame({'col1': {0: 'Aba', 1: 'bab', 2: 'ccc', 3: 'Aba', 4: 'ccc'},
                   'col2': {0: 'xxx', 1: 'bhh', 2: 'kkk', 3: 'xxx', 4: 'kkk'},
                   'col3': {0: 'yyy', 1: 'jjj', 2: 'lll', 3: 'yyy', 4: 'jjj'}})

a = df.values
f = np.array([np.unique(a[:, i], return_inverse=True)[1] for i in range(a.shape[1])]).T

res = list(ascii_lowercase[:a.shape[1]]) + \
      pd.DataFrame(f.astype(str), columns=df.columns)

#   col1 col2 col3
# 0   a0   b2   c2
# 1   a1   b0   c0
# 2   a2   b1   c1
# 3   a0   b2   c2
# 4   a2   b1   c0

【讨论】：

它给出了一个错误TypeError: unorderable types: int() < str()
不，它没有。完整代码请查看更新。
如果行中的任何值为 0，它会给出TypeError: unorderable types: int() < str()。
对于pandas，尽可能不要使用混合类型。如有必要，通过df[col] = df[col].astype(str) 将您的列转换为字符串。
感谢您的回复。 @MaxU 以前的解决方案非常适合我的一行数据。