遍历数据框中的行并根据其他列更改列的值

Question

假设我有一个称为df的数据帧，看起来像下面所示的数据帧：

Id      Place        
1        NY        
2       Berlin          
3       Paris        
4       Paris         
5       Berlin       

还有一个字典，其ID为键，位置为值，如下所示：

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

我想遍历数据帧的每一行，看看ID_to_place词典中是否包含ID。 如果是这样，那么我想用字典值替换该行的Place列。 例如在runninh之后，我希望输出的代码是：

Id      Place        
1       Berlin       
2       Berlin          
3       NY        
4       Paris         
5       Berlin       

到目前为止，我已经尝试了以下代码：

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

for index,row in df.iterrows():
    id = row['id']
    place = row['place']
    for item in id_to_place:
        if item == str(id):
          df.loc[df.id =id,'place'] = id_to_place[item]

print(df)

但是，当我运行代码时，数据框保持不变。 有谁知道为什么会这样吗？ 感谢您的帮助！

Answer 1

使用Series.map替换匹配的值，然后用Series.fillna的原始列替换NaN ：

df['Place'] = df['Id'].map(id_to_place).fillna(df['Place'])
print (df)
   Id   Place
0   1  Berlin
1   2  Berlin
2   3      NY
3   4   Paris
4   5  Berlin

Answer 2

您当前的方法不起作用，因为字典中的项目是整数，并且您正在根据str（id）对其进行检查，该结果始终返回False。 如果删除str并仅检查id项，则它起作用。

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

for index,row in df.iterrows():
    id = row['id']
    place = row['place']
    for item in id_to_place:
        if item == id: # this line changed
          df.loc[df.id =id,'place'] = id_to_place[item]

print(df)

Answer 3

您可以根据您的字典构建一个DataFrame，以向量化的方式分配值：

df1 = pd.DataFrame(list(id_to_place.values()), index=id_to_place.keys(),
           columns=['Place'])
df.set_index('Id', inplace=True)
df.loc[df1.index] = df1.Place
df.reset_index(inplace=True)