如何用另一个分类变量列表替换不同的分类变量答案

【问题标题】：How to replace different categorical variables with another list of categorical variables如何用另一个分类变量列表替换不同的分类变量
【发布时间】：2019-09-14 03:51:15
【问题描述】：

我有一列的分类值为 [0 1 2 3 4 5]。我想用以下方式仅用 [1 2 3 4] 替换这些值：

1 -> 1
2 -> 2
3 -> 3
0,4,5 -> 3

excel分类图

我试过这段代码：

bins = [0, 1, 2, 3, 4, np.inf]
names = ['4','1','2','3','4']
data['NEW_EDU'] = pd.cut(data['EDU'], bins, labels=names)

但我得到- ValueError：分类类别必须是唯一的

【问题讨论】：

标签： python pandas

【解决方案1】：

您只需要使用isin()

df.loc[df['EDU'].isin([0,4,5])] = 3

例子：

df = pd.DataFrame({
    'EDU': [1,2,3,4,5,0,4,2]
})

输出：

使用

df.loc[df['EDU'].isin([0,4,5])] = 3

输出：

【讨论】：

【解决方案2】：

另一种使用 lambda 表达式的方法：

df['NEW_EDU'] = df['EDU'].apply(lambda x: 3 if x in [0, 4, 5] else x)

或者使用 numpy.where:

import numpy as np
df['NEW_EDU'] = np.where(df["EDU"].isin([0, 4, 5]), 3, df["EDU"])

如果像@rafaelc 建议的那样，将列保持为分类类型很重要：

df['NEW_EDU'] = pd.Categorical(np.where(df["EDU"].isin([0, 4, 5]), 3, df["EDU"]))

【讨论】：

这也会将 dtype 从 category 更改为 int，而不是有意的。另外，如果您手头有矢量化选项，为什么还要使用apply？ ;)
是的，它很慢，但它是一种选择！ Numpy.where 是另一个更快的选择。
老实说，apply 方法很糟糕。它很慢且不可读，更不用说您必须在该 lambda 中创建一个 lambda 函数和，您可以在列表中“搜索”（至少可以使用 3 if x in {0,4,5} else x在set 上搜索。但是np.where 选项很漂亮，可读且非常高效，因此恭喜你！:)

【解决方案3】：

使用字典将新值映射到键：

value_dict = {1:1, 2:2, 3:3, 0:4, 4:4, 5:4}

然后遍历列并用映射的值替换键。

df['NEW_EDU'] = [value_dict[x] for x in df['EDU']]

这使您可以在值列表之间创建任意映射

【讨论】：

这也会将 dtype 从 category 更改为 int，不是有意的
只能使用地图：df['NEW_EDU'] = df['EDU'].map(value_dict)
@rafaelc 什么是“类别”dtype？它是int 或str。
@AdarshChavakula 看看df.dtypes 之前和之后:)
也可以参考更多信息here