根据Python中列表的索引填充int64 DataFrame列

Question

我有一个带有所有int64类型列的DataFrame。

  City  Val  ...
0    3    1  
1    2   43  
2    0   32  
3    1   54

然后，我列出了类别名称：

names = ['Sydney', 'Tokyo', 'Vancouver', 'Toronto']

我要基于names列表索引（即0 ='Sydney'和1 ='Tokyo'），使用城市名称填充“城市”列。

理想的结果：

       City Val  ...
0   Toronto   1  
1 Vancouver  43  
2    Sydney  32  
3     Tokyo  54

我试过了： df['City'].loc[df['City'].isin(names), df['City']]=names.index(df['City']) ，但是报错

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

并且，我想将“城市”列更改为类别类型。

    df['City'] = df['City'].astype('category')
    df['City'].cat.set_categories(names, ordered=True, inplace=True)

Answer 1

将Series.map与enumerate创建的字典一起使用：

names = ['Sydney', 'Tokyo', 'Vancouver', 'Toronto']
df['City'] = df['City'].map(dict(enumerate(names)))
print (df)
        City  Val
0    Toronto    1
1  Vancouver   43
2     Sydney   32
3      Tokyo   54

详细说明 ：

print (dict(enumerate(names)))
{0: 'Sydney', 1: 'Tokyo', 2: 'Vancouver', 3: 'Toronto'}

然后对于分类：

df['City'] = pd.CategoricalIndex(df['City'].map(dict(enumerate(names))),
                                 ordered=True, 
                                 categories=names)

要么：

df['City'] = (df['City'].map(dict(enumerate(names)))
                       .astype('category', ordered=True, categories=names))