Python：检查字典中是否存在数据框单元格值。 如果存在，则用字典键替换数据框值

Question

我有一个csv文件（或数据框），如下所示：

Text    Location    State
A   Florida, USA    Florida
B   NY              New York
C       
D   abc 

以及一个具有键值对的字典：

stat_map = {
        'FL': 'Florida',
        'NY': 'NewYork',
        'AR': 'Arkansas',
}

如何删除第3和第4行，即带有文本C和D的行，以便我的数据框仅包含我在字典中具有价值的那些行。 最终输出应如下所示：

Text    Location    State
    A   Florida, USA    Florida
    B   NY              New York

请帮忙。

Answer 1

您要查找的是pandas.Series.map()它替换了由一个提供一个值mapper ，在这里states_map 。

我将重用您先前问题中的数据以进行说明

import pandas as pd

states_map = {
        'AK': 'Alaska',
        'AL': 'Alabama',
        'AR': 'Arkansas',
        'CA': 'California',  # Enrich the dict for the current example
        'NY': 'New York'     # Same as above
}

>>> df
Out[]:
               State
0    California, USA
1  Beverly Hills, CA
2         California
3                 CA
4            NY, USA
5                USA

将讨论的方法与map一起使用将得出

states = df['State'].str.split(', ').str[0]

>>> states
Out[]:
0       California
1    Beverly Hills
2       California
3               CA
4               NY
5              USA
Name: State, dtype: object

>>> states.map(states_map)
Out[]:
0           NaN
1           NaN
2           NaN
3    California
4      New York
5           NaN
Name: State, dtype: object

---

但这不是最佳选择，因为您会从split第1行以及map 0和2行中释放信息。

我认为这样可以做得更好：

使用expand=True从split获取所有术语

df_parts = df.State.str.split(', ', expand=True)

>>> df_parts
Out[]:
               0     1
0     California   USA
1  Beverly Hills    CA
2     California  None
3             CA  None
4             NY   USA
5            USA  None

获取状态正确的地方

mask = df_parts.isin(states_map.values())

>>> df_parts[mask]
Out[]:
            0    1
0  California  NaN
1         NaN  NaN
2  California  NaN
3         NaN  NaN
4         NaN  NaN
5         NaN  NaN

使用~ （按位NOT）可得到掩码的倒数。

df_unknown = df_parts[~mask]

>>> df_unknown
Out[]:
               0     1
0            NaN   USA
1  Beverly Hills    CA
2            NaN  None
3             CA  None
4             NY   USA
5            USA  None

在状态未知的地方使用map

>>> df_unknown.apply(lambda col: col.map(states_map))
Out[]:
            0           1
0         NaN         NaN
1         NaN  California
2         NaN         NaN
3  California         NaN
4    New York         NaN
5         NaN         NaN

并在蒙版df_parts设置这些值

df_parts [〜mask] = df_unknown.apply（lambda col：col.map（states_map））

>>> df_parts
Out[]:
            0           1
0  California         NaN
1         NaN  California
2  California         NaN
3  California         NaN
4    New York         NaN
5         NaN         NaN

统一价值

>>> df_parts[0].fillna(df_parts[1])  # Fill blanks in col 1 with values in col 2
Out[]:
0    California
1    California
2    California
3    California
4      New York
5           NaN
Name: 0, dtype: object

替换原始数据框中的选定值

df['State_new'] = df_parts[0].fillna(df_parts[1])

>>> df
Out[]:
               State   State_new
0    California, USA  California
1  Beverly Hills, CA  California
2         California  California
3                 CA  California
4            NY, USA    New York
5                USA         NaN

这可能不是一个完美的方法，但是希望它会有所帮助。