用查找表 df 中的值替换 Pandas 系列中的多个字符串答案

【问题标题】：Replacing a multiple strings in a Pandas Series with values from a lookup table df用查找表 df 中的值替换 Pandas 系列中的多个字符串
【发布时间】：2018-08-03 21:58:59
【问题描述】：

我有一个这样的DataFrame，其中type 列是用~ 分隔的字符串：

id | types    |
---------------
1  | A1~B1    |
2  | B1       |
3  | A1~A2~B2 |

我需要根据如下所示的查找表替换“类型”列中的字符串，其中两列都是字符串。在执行此操作时，我需要确保最终输出在 types 之间有逗号。

type | description      |
------------------------
A1   | This is good     |
A2   | This is OK       |
B1   | This is not good |
B2   | This is bad      |

所以最终的输出是这样的：

id | types                                 |
--------------------------------------------
1  | This is good, This is not good        |
2  | This is not good                      |
3  | This is good, This is OK, This is bad |

我读到.map() 是一个很好用的函数，但我无法弄清楚如何将它应用到这个场景中。提前致谢。

【问题讨论】：

你对map的尝试是什么？

标签： python pandas lookup data-manipulation

【解决方案1】：

以上大多数答案都使用apply，它不会矢量化。我建议使用str.replace:

string_map = {
    'A1': 'This is good',
    'A2': 'This is OK',
    'B1': 'This is not good',
    'B2': 'This is bad',
    '~': ', '
}
df = pd.DataFrame([{'type': 'A1~B1'}, {'type': 'B1'}, {'type': 'A1~A2~B2'}])
df_desc = df.copy()
for key, value in string_map.items():
    df_desc['type'] = df_desc['type'].str.replace(key, value)

在这里，我假设映射字典中的映射数量远小于 DataFrame 中的行数。

如果您在 DataFrame 中有您的 string_map（称为 df_map），您可以通过运行以下命令从中创建字典：string_map = df_map.set_index('type')['description'].to_dict()。确保您的df_map 中有{type: '~', 'description': ', '} 作为一行。

【讨论】：

【解决方案2】：

让您的第一个表为df1，第二个为df2。

我假设第二个数据帧中的类型充当数据帧的索引。

df1.map(lambda x: ','.join([df2[i] for i in x.split('~')]))

【讨论】：

【解决方案3】：

单线

df.types.str.replace('~', '|').agg(lambda k: df2.loc[df2.type.str.contains(k)].description.str.cat(sep=', ')

解释：

您可以使用replace 将~ 替换为|。这样，您将获得诸如

之类的字符串

A1|B1

使用str.contains 可以轻松搜索，例如

df2.loc[df2.type.str.contains('A1|B1')]

返回

    type    description
0   A1  This is good
2   B1  This is not good

要将这些 description 值连接到 {}, {} 中，只需使用 str.cat。所以上面给出了

...description.str.cat(sep=', ')

'This is good, This is not good'

【讨论】：

【解决方案4】：

使用get_dummies，然后使用replace（重命名）列，然后使用dot

newdf=df1['types'].str.get_dummies(sep='~').rename(columns=dict(zip(df2.type,df2.description+',')))
newdf.dot(newdf.columns)
Out[232]: 
id
1          This is good,This is not good,
2                           This is good,
3    This is good,This is OK,This is bad,
dtype: object
newdf.dot(newdf.columns).str[:-1]
Out[233]: 
id
1          This is good,This is not good
2                           This is good
3    This is good,This is OK,This is bad
dtype: object

【讨论】：

【解决方案5】：

您可以创建一个系列映射type 到description：

s = df_types.set_index('type')['description']

然后通过列表理解映射您的值：

df['types'] = [', '.join(map(s.get, x.split('~'))) for x in df['types'].values]

pd.Series.map 也可以使用类似的逻辑，但效率可能较低。

【讨论】：

【解决方案6】：

map 确实是一种方法，但是有几个步骤可以实现您想要的输出。你可以映射到lookup_table，如果它是一个以type为索引的系列。不过，首先，您需要在分隔符 ~ 上进行拆分：

df['types'] = (df.types.str.split('~', expand=True)
               .apply(lambda x:
                      ', '.join(x.map(lookup_table
                                     .set_index('type')['description'])
                               .fillna('')), 1)
               .str.strip(', '))

>>> df
   id                                  types
0   1         This is good, This is not good
1   2                       This is not good
2   3  This is good, This is OK, This is bad

【讨论】：