用字典匹配和不匹配的字符串替换 DataFrame 值答案

【问题标题】：Replacing DataFrame values with dictionary matches and a string for non-matches用字典匹配和不匹配的字符串替换 DataFrame 值
【发布时间】：2020-08-27 13:43:37
【问题描述】：

我有数据框：

df = pd.DataFrame{'col1': ['afs', 'chk', 'est', 'app'],
 'col2': ['ofcr', 'guar', 'ltv', 'gender'],
 'col3': ['code', 'mod']}

我有字典：

dict = {'ofcr':'officer','chk':'check','mod':'modification','est':'estimated','app':'application', 'gender':'gender'}

我需要遍历 df 并用它们各自的值替换数学键。我可以通过以下方式逐列执行此操作：

df["col1"] = df["col1"].map(dict)

但这会将不匹配项转换为 NaN。我想要的是保持令牌不变，但在字符串中添加“-UNKNOWN-”或类似的明显内容，以便以后处理。我试过循环：

for tok in df['col1']:
    if tok in dict.values():
        df.replace(dict, inplace=True)
    if tok not in dict.values():
        df.replace(tok, tok '-UNKNOWN', inplace=True)
    print(tok)

这也替换了匹配项（奇怪的是，在所有列中，不仅仅是传入的那个），但不影响非匹配项。

【问题讨论】：

标签： python dictionary replace append

【解决方案1】：

你可以使用applymap():

df = pd.DataFrame({'col1': ['afs', 'chk', 'est', 'app'],
 'col2': ['ofcr', 'guar', 'ltv', 'gender'],
 'col3': ['code', 'mod', 'xxx', 'zzz']})

dct = {'ofcr':'officer','chk':'check','mod':'modification','est':'estimated','app':'application', 'gender':'gender'}

print(df.applymap(lambda x: dct.get(x, x + '-UNKNOWN')))

打印：

          col1          col2          col3
0  afs-UNKNOWN       officer  code-UNKNOWN
1        check  guar-UNKNOWN  modification
2    estimated   ltv-UNKNOWN   xxx-UNKNOWN
3  application        gender   zzz-UNKNOWN

【讨论】：

这很实用！它要求我用“xxx”或“zzz”等填充df创建中的所有空值。但是一旦完成，我可以删除“xxx-UNKNOWN”。

【解决方案2】：

在地图之后做这个额外的步骤：

df["col1"] = df["col1"].map(dict)
df["col1"] = df["col1"].fillna('-UNKNOWN')

【讨论】：

恐怕没有效果。我尝试通过一个单独的新字典 {np.NaN: "-UNKNOWN"} 传递 df，但它只是将整个 df 转换为 NaN。
新的 fillna，在 .map 之后使用时确实用“-UNKNOWN”替换了每列的 NaN。但我想要的是用“-UNKNOWN”附加不匹配的内容，而不仅仅是替换它们。