根據不同列中的不同字符串值創建新數字列的最佳方法？

Question

我在 3 列中有 5 個不同的可能字符串值，我想將它們轉換為 3 個新列中的數值。

Columns:
1_month, 6_month, 12_month

Possible Values:
High
Above Average
Average
Below Average
Low

I'd like to create 3 new columns:
1_month_int, 6_month_int, 12_month_int

Then map the numerics from the string values as:
High = 5
Above Average = 4
Average = 3
Below Average = 2
Low = 1

我嘗試復制該列，然后查找並替換單個列的值，然后在完成后將列類型更改為數字。 它有效，但僅適用於 1 列：

df['1_month_int'] = df['1_month']
df['1_month_int'].replace("High",5, inplace=True)
df['1_month_int'].replace("Above Average",4, inplace=True)
df['1_month_int'].replace("Average",3, inplace=True)
df['1_month_int'].replace("Below Average",2, inplace=True)
df['1_month_int'].replace("Low",1, inplace=True)
df['1_month_int'] = pandas.to_numeric(df['1_month_int'])

我不能讓它同時為多個列工作：

df['1_month_int'] = df['1_month']
df['6_month_int'] = df['6_month']
df['12_month_int'] = df['12_month']
df[['3_month_int', '6_month_int', '12_month_int']/
      .replace("High",5, inplace=True)
etc..

我確信有更好的方法。

我對 Pandas 非常陌生，並且正在努力學習如何思考和解決此類問題的學習曲線。

對於在 Pandas 中處理此類數據操作的最佳實踐，我將不勝感激。

Answer 1

• 您可以使用Series.map 。

import pandas as pd
df = pd.DataFrame({
    '1_month':['High', 'Above Average'], '6_month':['Average','Below Average'], '12_month':['Low','Low']
})
map_ = {'High' : 5,'Above Average' : 4,'Average' : 3,'Below Average' : 2,'Low' : 1}
for c in df.columns:
    df[c+'_int'] = df[c].map(lambda x: map_[x])
df

• output

    1_month         6_month     12_month    1_month_int     6_month_int     12_month_int
0   High            Average         Low         5                3             1
1   Above Average   Below Average   Low         4                2             1

Answer 2

您可以使用系列的 map function 到 map 的值到給定的數字，如下所示

import numpy as np
import pandas as pd

values = ["High", 
"Above Average", 
"Average", 
"Below Average", 
"Low", ]

mapper = {key: i+1 for i, key in enumerate(values[::-1])}

columns = "1_month,6_month,12_month".split(",")
df = pd.DataFrame(np.random.choice(values,(10,3)), columns=columns)

for col in columns:
    df[f"{col}_int"] = df[col].map(mapper)

display(df)