如何根据字典替换数据列中的值？

Question

我需要用引用字典中同名值的值替换数据集列中的值。
所以我的数据看起来像这样（不要注意列名）：

data = data[['A?',
       'B',...,]]

字典看起来像这样：

felt_index = {
  "First opt": 1,
  "Second opt": 1,
  "Third opt": 0.72
}

我希望我的专栏看起来像这样：

A?	...
First opt	...
Second opt	...
Third opt	...

看起来像这样：

A?	...
1	...
1	...
0.72	...

我已经尝试了一些解决方案，但没有成功。我最后尝试的是：

for val in data[['A?']]:        
        data[['A']][val] = felt_index.get(data[['A?']][val])

我得到了这个错误：

TypeError: unhashable type: 'Series'

我不知道怎么解决:(请帮忙。

Answer 1

使用pandas.DataFrame.replace:

new_df = df.replace({"A?": felt_index})
print(new_df)

输出：

     A?  ...
0  1.00  ...
1  1.00  ...
2  0.72  ...

来自pandas.DataFrame.replace的官方文档：

For a DataFrame, nested dictionaries, e.g., {'a': {'b': np.nan}}, are read as follows: look in column 'a' for the value 'b' and replace it with NaN.

如果你想替换那些不在字典中的：

# Sample
           A?  ...
0   First opt  ...
1  Second opt  ...
2   Third opt  ...
3     Non opt  ...

df["A?"] = df["A?"].map(felt_index).replace({np.nan: None})

输出：

     A?  ...
0   1.0  ...
1   1.0  ...
2  0.72  ...
3  None  ...

请注意，由于您想要 None，因此需要 replace 和 dict。如果您想要特定值，请改用 fillna：

df["A?"] = df["A?"].map(felt_index).fillna("NO!")

输出：

     A?  ...
0   1.0  ...
1   1.0  ...
2  0.72  ...
3   NO!  ...

如何根据字典替换数据列中的值？

How do I replace values in data column according to dictionary?

python

numpy

pandas

data-science