我正在尝试通过基于现有列创建字典并在该列上调用“地图”函数来在数据框中创建一个新列。它似乎工作了一段时间。然而，笔记本开始扔了
AttributeError: 'DataFrame' 对象没有属性 'map'
我没有更改内核或 python 版本。这是我正在使用的代码。
dict= {1:A,
2:B,
3:C,
4:D,
5:E}
# Creating an interval-type
data['new'] = data['old'].map(dict)
如何解决这个问题？
【问题讨论】：
标签： python-3.x pandas
import pandas as pd
f_dict = {1:0,2:1,3:2}
m = pd.Series([1,2,3])
res = m.map(f_dict)
print(res)
没关系，因为 m 是 pd.Series 对象。以下用法是错误的，因为 m 是 pd.DataFrame 对象。
import pandas as pd
f_dict = {1:0,2:1,3:2}
m = pd.DataFrame([1,2,3])
res = m.map(f_dict)
print(res)
【讨论】：
主要问题是在选择old 列后得到DataFrame 而不是Series，所以map 实现尚未Series 失败。
这里应该重复列old，所以如果选择一列，它将返回DataFrame中的所有列old：
df = pd.DataFrame([[1,3,8],[4,5,3]], columns=['old','old','col'])
print (df)
old old col
0 1 3 8
1 4 5 3
print(df['old'])
old old
0 1 3
1 4 5
#dont use dict like variable, because python reserved word
df['new'] = df['old'].map(d)
print (df)
AttributeError: 'DataFrame' 对象没有属性 'map'
重复删除此列的可能解决方案：
s = df.columns.to_series()
new = s.groupby(s).cumcount().astype(str).radd('_').replace('_0','')
df.columns += new
print (df)
old old_1 col
0 1 3 8
1 4 5 3
另一个问题应该是MultiIndex列，测试：
mux = pd.MultiIndex.from_arrays([['old','old','col'],['a','b','c']])
df = pd.DataFrame([[1,3,8],[4,5,3]], columns=mux)
print (df)
old col
a b c
0 1 3 8
1 4 5 3
print (df.columns)
MultiIndex(levels=[['col', 'old'], ['a', 'b', 'c']],
codes=[[1, 1, 0], [0, 1, 2]])
并且解决方案是扁平化MultiIndex：
#python 3.6+
df.columns = [f'{a}_{b}' for a, b in df.columns]
#puthon bellow
#df.columns = ['{}_{}'.format(a,b) for a, b in df.columns]
print (df)
old_a old_b col_c
0 1 3 8
1 4 5 3
另一种解决方案是使用元组映射MultiIndex 并分配给新的tuple：
df[('new', 'd')] = df[('old', 'a')].map(d)
print (df)
old col new
a b c d
0 1 3 8 A
1 4 5 3 D
print (df.columns)
MultiIndex(levels=[['col', 'old', 'new'], ['a', 'b', 'c', 'd']],
codes=[[1, 1, 0, 2], [0, 1, 2, 3]])
【讨论】：
map 是一种可以在 pandas.Series 对象上调用的方法。 pandas.DataFrame 对象上不存在此方法。
df['new'] = df['old'].map(d)
在您的代码中 ^^^ df['old'] 出于某种原因正在返回 pandas.Dataframe 对象。
或者您的代码可能与您给出的示例不太一样。
无论哪种方式都会出现错误，因为您在 pandas.Dataframe 对象上调用 map()
【讨论】：