熊貓：用唯一值替換多個列值

Question

我有一個帶有許多“對象”列的熊貓DataFrame，其中每個列都包含許多值（模態）。 然后，我只想為每列保留10個最常見的模式 ，而其他模式則用“ Oth”代替。

例如，如果我有一個包含4個不同值的“ obj_col1”列：

obj_col1
'A'
'A'
'B'
'C'
'B'
'D'

我想保留最頻繁的2個，在這里是“ A”和“ B”，然后將其余的替換為“ Oth”：

obj_col2
'A'
'A'
'B'
'Oth'
'B'
'Oth'

一個對象列（分類變量）的一段代碼是：

# sorted list of modalities of 'categ_var' 
list_freq_modal = df['categ_var'].value_counts().index.tolist()
# replace all the modalities except the first 10 by 'Oth'
df['categ_var'].replace(list_freq_modal[10:],'Oth', inplace=True)

但是我有一個錯誤：'NoneType'對象沒有屬性'any'

您有任何想法以更優化的方式實施它嗎？

Answer 1

代替替換，我們可以使用value_counts.head(2) ， where通過映射value_counts並使用notnull()獲得掩碼，即

x = df['obj_col1'].value_counts().head(2)
#B    2
#A    2
#Name: obj_col1, dtype: int64

df['obj_col1'].where(df['obj_col1'].map(x).notnull(),'Oth')

輸出：

0      A
1      A
2      B
3    Oth
4      B
5    Oth
Name: obj_col1, dtype: object

df['obj_col1'].map(x).notnull() # This will give the mask. 

0     True
1     True
2     True
3    False
4     True
5    False
Name: obj_col1, dtype: bool