Python：有没有更简单的方法在 pandas DataFrame 上应用 map()？ [复制]答案

【问题标题】：Python: Is there an easier way to apply map() on pandas DataFrame? [duplicate]Python：有没有更简单的方法在 pandas DataFrame 上应用 map()？ [复制]
【发布时间】：2020-04-13 00:31:08
【问题描述】：

我创建了一个布尔目录并应用到来自同一个 DataFrame (star_wars) 的六个不同系列。它有效，但很好奇是否有比仅更改列标题重复相同语法更简单的方法？

seen_boolean = {'Star Wars: Episode I  The Phantom Menace': 'Yes', 'NaN': 'No', 'Star Wars: Episode II  Attack of the Clones': 'Yes', 'Star Wars: Episode III  Revenge of the Sith': 'Yes', 'Star Wars: Episode IV  A New Hope': 'Yes', 'Star Wars: Episode V The Empire Strikes Back': 'Yes', 'Star Wars: Episode VI Return of the Jedi': 'Yes'}

star_wars['seen_1'] = star_wars['seen_1'].map(seen_boolean)
star_wars['seen_2'] = star_wars['seen_2'].map(seen_boolean)
star_wars['seen_3'] = star_wars['seen_3'].map(seen_boolean)
star_wars['seen_4'] = star_wars['seen_4'].map(seen_boolean)
star_wars['seen_5'] = star_wars['seen_5'].map(seen_boolean)
star_wars['seen_6'] = star_wars['seen_6'].map(seen_boolean)

【问题讨论】：

好像star_wars.notna().replace({True:'Yes',False:'No'})
这不是 notna()，目标是将电影名称替换为“是”，除非它是 NaN，然后替换为“否”。六个系列中的每个系列都有不同的电影名称。
@user699217 这就是 anky 的建议，如果不是 NaN 则进行测试，如果为 True，则替换为 yes，如果不为 true（因此为 NaN），则替换为 No。
这能回答你的问题吗？ map multiple columns by a single dictionary in pandas

标签： python pandas boolean

【解决方案1】：

我想到了两种方法：

堆栈/取消堆栈：

star_wars.stack().map(seen_boolean).unstack()

通过默认的 pandas 迭代器遍历你的列（但不是真正的优雅/Pandas 风格）：

for col in star_wars:
  star_wars[col] = star_wars[col].map(seen_boolean)

【讨论】：

成功了！由于列在 3:9 的位置，我进行了一些编辑，我不得不在 star_wars.columns[3:9] 中使用 for col
好的，我实际上将其标记为 dup，请参阅 stackoverflow.com/a/43725843/10974969