使用 For 循环屏蔽 Zip 代码 Python Pandas

Question

我正在尝试编写一个 for 循环，循环遍历数据框并根据人口分配给定 zip 代码的 0 或前三位数字。 我的助教说我需要修复第二行以遍历索引而不是数据帧的长度，但我不确定如何前进。 这是问题和我的代码。

“在这部分，您应该编写一个 for 循环，通过每个用户更新 df_users dataframe.Go，并更新他们的 zip 代码，以符合安全港规范：如果用户来自 zip 代码，“地理细分”是小于等于 20,000，将 df_users 中的 zip 代码更改为“0”（作为字符串）。否则，zip 应该只是完整 zip 代码的前 3 个数字。通过直接更新 df_users 的 zip 列来完成所有这些操作DataFrame。”

for item in range(0, len(df_users)):

    population = zip_dict[df_zip.loc[item, 'population']]
    if population <= 20000:
        df_users.loc[item, 'zip'] = '0'
    else: 
        new_zip = (df_users.loc[item, 'zip'])[:3]
        df_users.loc[item, 'zip'] = new_zip

Answer 1

使用.apply和np.where

• 不建议使用带有 pandas dataframe 的for-loop ，这会导致性能不佳。

import pandas as pd
import numpy as np

# dataframe example
df = pd.DataFrame({'pop': [10000, 20000, 30000], 'zip': [12345, 97000, 87390]})

   pop    zip
 10000  12345
 20000  97000
 30000  87390

# update zip based on pop
df['zip'] = df.apply(lambda x: np.where(x['pop'] < 20000, '0', str(x['zip'])[:3]), axis=1)

   pop  zip
 10000    0
 20000  970
 30000  873

如果你必须使用for-loop

• 你不应该，这是一个pandas反模式
• range(0, len(df_users))从0, 1, ..., len(df)-1生成一个列表，但是，索引可能不是从0, 1, ...开始的数字排序。 这可能就是您被指示更改为df.index的原因
• 据推测，zip 代码是数字。 (df_users.loc[item, 'zip'])[:3]不能与int一起使用，这就是使用str(df.loc[i, 'zip'])[:3]的原因。 如果zip列是object或者str类型，那么可以使用df.loc[i, 'zip'][:3]

for i in df.index:
    pop = df.loc[i, 'pop']
    if pop < 20000:
        df.loc[i, 'zip'] = '0'
    else:
        df.loc[i, 'zip'] = str(df.loc[i, 'zip'])[:3]