Pandas - 替换列值

Question

我知道这个问题有很多主题，但是没有一种方法对我有用，所以我发布了我的具体情况

我有一个看起来像这样的数据框：

data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])
data['sex'].replace(0, 'Female')
data['sex'].replace(1, 'Male')
data

我想要做的是将性别列中的所有 0 替换为“女性”，将所有 1 替换为“男性”，但是当我使用上面的代码时，数据框中的值似乎没有改变

我是否错误地使用了 replace()？ 还是有更好的方法来条件替换值？

Answer 1

是的，您使用不正确，默认情况下Series.replace()不是就地操作，它返回替换的数据框/系列，您需要将其分配回您的数据框/系列以使其生效。 或者，如果您需要就地执行，则需要将inplace关键字参数指定为True Example -

data['sex'].replace(0, 'Female',inplace=True)
data['sex'].replace(1, 'Male',inplace=True)

此外，您可以通过对to_replace参数和value参数使用list replace上述内容组合成一个单独的函数调用，例如 -

data['sex'].replace([0,1],['Female','Male'],inplace=True)

示例/演示 -

In [10]: data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])

In [11]: data['sex'].replace([0,1],['Female','Male'],inplace=True)

In [12]: data
Out[12]:
      sex  split
0    Male      0
1  Female      1
2    Male      0
3  Female      1

---

您还可以使用字典，例如 -

In [15]: data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])

In [16]: data['sex'].replace({0:'Female',1:'Male'},inplace=True)

In [17]: data
Out[17]:
      sex  split
0    Male      0
1  Female      1
2    Male      0
3  Female      1

Answer 2

您也可以尝试将apply与dictionary的get方法一起使用，似乎比replace快一点：

data['sex'] = data['sex'].apply({1:'Male', 0:'Female'}.get)

使用timeit进行测试：

%%timeit
data['sex'].replace([0,1],['Female','Male'],inplace=True)

结果：

The slowest run took 5.83 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 510 µs per loop

使用apply ：

%%timeit
data['sex'] = data['sex'].apply({1:'Male', 0:'Female'}.get)

结果：

The slowest run took 5.92 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 331 µs per loop

注意：如果数据框中列的所有可能值都在字典中定义，则应apply与字典一起应用，否则，对于字典中未定义的那些，它将为空。

Answer 3

这个也可以试试！
创建替换值字典。

import pandas as pd
data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])

replace_dict= {0:'Female',1:'Male'}
print(replace_dict)

使用 map 函数替换值

data['sex']=data['sex'].map(replace_dict)

替换后的输出

Answer 4

您也可以尝试使用Numpy的select ：

import numpy as np

data['sex'] = np.select(
    [data['sex'].eq(0), data['sex'].eq(1)], ['Female', 'Male'], default=np.nan
)

输出：

    sex     split
0   Male    0
1   Female  1
2   Male    0
3   Female  1

如果没有找到0或1 ，则返回NaN 。