替換列中的多個值，並在 Pandas 數據框中保持其他值不變

Question

我有一個如下所示的示例數據框：

df = pd.DataFrame({'name': ['red', 'orange', 'blue'],
                   'value': [22,44,66]})

    name    value
0   red     22
1   orange  44
2   blue    66

我需要用1替換red ，用2替換blue ，在列name保留orange 。

我使用如下地圖功能：

df.name.map({'red': 0, 'blue': 1})

我得到了這樣的結果：

    name    value
0   0.0     22
1   NaN     44
2   1.0     66

在列中， orange變為NaN

替換值的最佳方法是什么？
我不想多次使用df.name.str.replace(..)來替換許多值。 在我的真實數據中，一列中有 10 個要替換的值。 謝謝。

Answer 1

使用fillna修復您的代碼

df.name = df.name.map({'red': 0, 'blue': 1}).fillna(df.name)
0         0
1    orange
2         1
Name: name, dtype: object

Answer 2

一種方法是創建自定義dict並覆蓋__missing__

import pandas as pd
df = pd.DataFrame({'name': ['red', 'orange', 'blue'],
               'value': [22,44,66]})

class Foo(dict):
    def __missing__(self, key):
       return key
df.name.map(Foo({'red': 0, 'blue': 1}))

從文檔Series.map ：

當 arg 是字典時，系列中不在字典中的值（作為鍵）將轉換為 NaN。 但是，如果字典是定義缺失的 dict 子類（即提供默認值的方法），則使用此默認值而不是 NaN。

Answer 3

您可以使用Series.replace ：

print (df["name"].replace({'red': 0, 'blue': 1}))

0         0
1    orange
2         1
Name: name, dtype: object