如何根據熊貓中另一列的多個值生成新列

Question

如何在 Pandas DataFrame 中創建一個新列，從另一列一次壓縮/折疊多個值？ 另外，是否可以使用默認值，這樣您就不必顯式寫出所有值映射？

我指的是在SPSS和Stata等統計軟件中通常稱為“變量重新編碼”的過程。

例子

假設我有一個包含 1,000 個觀察值的 DataFrame。 DataFrame 中唯一的列稱為col1 ，它有 26 個唯一值（字母A到Z ）。 這是我的起點的可重現示例：

import pandas as pd
import numpy as np
import string

np.random.seed(666)
df = pd.DataFrame({'col1':np.random.choice(list(string.ascii_uppercase),size=1000)})

我想根據以下映射創建一個名為col2的新列：

• 如果col1等於A 、 B或C ，則col2應接收AA
• 如果col1等於D 、 E或F ，則col2應接收MM
• 對於col1所有其他值， col2應接收ZZ

我知道我可以使用 Pandas 的replace功能部分地做到這一點，但它有兩個問題。 第一個是replace函數不允許您將多個輸入值壓縮為一個響應值。 這迫使我寫出df['col1'].replace({'A':'AA','B':'AA','C':'AA'})而不是像df['col1'].replace({['A','B','C']:'AA'})這樣簡單的東西df['col1'].replace({['A','B','C']:'AA'}) 。

第二個問題是replace函數沒有all_other_values關鍵字或類似的東西。 這迫使我手動寫出像這樣的整個值映射df['col1'].replace({'A':'AA','B':'AA',...,'G':'ZZ','H':'ZZ','I':'ZZ',...,'X':'ZZ','Y':'ZZ','Z':'ZZ'})而不是更簡單的東西像df['col1'].replace(dict_for_abcdef, all_other_values='ZZ')

是否有另一種使用我缺少的replace功能的方法可以讓我做我所要求的？ 或者是否有另一個 Pandas 功能可以讓您完成與我上面描述的如此相似的事情？

臟實現

這是我正在尋找的使用loc的“臟”實現：

df['col2'] = 'ZZ' # Initiate the column with the default "all_others" value
df.loc[df['col1'].isin(['A','B','C']),'col2'] = 'AA'  # Mapping from "A","B","C" to "AA"
df.loc[df['col1'].isin(['D','E','F']),'col2'] = 'MM'  # Mapping from "D","E","F" to "MM"

我發現這個解決方案有點凌亂，並希望存在一些更清潔的東西。

Answer 1

可以嘗試使用np.select ，它接受條件列表、值列表和默認值：

conds = [df['col1'].isin(['A', 'B', 'C']),
         df['col1'].isin(['D', 'E', 'F'])]
values = ['AA', 'MM']
df['col2'] = np.select(conds, values, default='ZZ')

也可以使用between而不是isin ：

conds = [df['col1'].between('A', 'C'),
         df['col1'].between('D', 'F')]
values = ['AA', 'MM']
df['col2'] = np.select(conds, values, default='ZZ')

---

樣本輸入和輸出：

import string

import numpy as np
import pandas as pd

letters = string.ascii_uppercase
df = pd.DataFrame({'col1': list(letters)[:10]})

df ：

  col1 col2
0    A   AA
1    B   AA
2    C   AA
3    D   MM
4    E   MM
5    F   MM
6    G   ZZ
7    H   ZZ
8    I   ZZ
9    J   ZZ

Answer 2

np.select（條件，選擇，替代）。 對於條件，檢查定義范圍之間的數字

c=[df['col1'].between('A','C'),df['col1'].between('E','F')]
CH=['AA','MM']
df=df.assign(col2=np.select(c,CH,'ZZ'))