Pandas df 根據與不同列中的行匹配的字典中的值更改一列中的行的值

Question

我有一個如下圖所示的 df，我想根據“代碼”更改“sic_code”的值

我創建了一個字典：

comp_dict = dict(zip(sic_dict_keys, sic_dict_values))

並在想這樣的事情，但后來卡住了。 如果代碼在我的字典中，我基本上想更改 sic_code 的值，例如將代碼 1611787 的 sic_code 2834 更改為 3000

for key in comp_dict:
    if df.loc[df["code"] == key]:

Answer 1

Pandas DataFrame s 有一個replace方法來完成這個操作：

import pandas as pd

df = pd.DataFrame(data={'a': [1, 2, 3], 'b': [100, 200, 300]})
rename_dict = {100: 1000, 200: 2000}

df['b'].replace(rename_dict, inplace=True)

print(df)

這導致：

   a     b
0  1  1000
1  2  2000
2  3   300

如果您希望返回副本，則可以省略inplace=True 。

Answer 2

我不確定你想做什么，我寫了代碼，如果一行有一個 sic_code 對應於 comp_dict 的鍵，則 sic_code 更改為 comp_dict 的對應值。 告訴我我是否弄錯了。 對於循環，我寧願迭代 dataframe 而不是字典。 例如，通過使用iterrows和iloc ，一個簡單的循環可能如下所示：

for index, row in df.iterrows():
   sic_code = row['sic_code']
   if sic_code in comp_dict.keys():
      df.iloc[index, <index of column sic_code>] = comp_dict[sic_code] 

在這里，如果您的 dict 包含 {2834: 3000}，則所有 sic_code 值為 2834 的行都將更改為 30000。

Answer 3

這是解決問題的兩步方法。 首先，找到存在於 code-to-sic 代碼字典中的數據框條目。 其次，使用.map() function 更新 sic 代碼：

df = (pd.DataFrame(
    {'code': [1611787, 170846, 142529],
     'name': ['Advanced', 'Perth', 'ATA Creativity'],
     'sic_code': [2834, 6221, 8200]})
      .set_index('code')
     )

# key is `code`; value is `sic_code`
comp_dict = {1611787: 3000}

# find data frame entries such that `code` is in the dictionary
mask = df.index.isin(comp_dict)

# update `sic_code`
df.loc[mask, 'sic_code'] = df.index[mask].map(comp_dict)
df

生成的數據框是：

                   name  sic_code
code                             
1611787        Advanced      3000
170846            Perth      6221
142529   ATA Creativity      8200

Answer 4

我讓它按我想要的方式工作，但我不知道它是否最有效。

for index, row in df.iterrows():
        print(row['code'], row['sic_code'])
        for key in comp_dict:
            # print(key)
            if row['code'] == key:
                df['sic_code'][index] = comp_dict[key]