为什么不使用以元组为键的字典替换工作？

Question

我一直认为.map 和.replace 本质上是相同的，除了当你想传递不在提供的字典中的键值时你会使用.replace。但是，我很困惑为什么 .replace 在传递以元组为键的字典时会抛出 TypeError ，而 .map 在同一字典中按预期工作。

例如：

import pandas as pd
df = pd.DataFrame({'ID1': [1, 2, 3, 4, 5], 
                   'ID2': ['A', 'B', 'C', 'D', 'E']})
df['tup_col'] = pd.Series(list(zip(df.ID1, df.ID2)))

dct = {(1, 'A'): 'apple', (3, 'C'): 'banana', (5, 'X'): 'orange'}

df.tup_col.map(dct)
#0     apple
#1       NaN
#2    banana
#3       NaN
#4       NaN
#Name: tup_col, dtype: object

df.tup_col.replace(dct)

TypeError：无法比较类型 'ndarray(dtype=object)' 和 'tuple'

那么对于以元组作为键的字典，我可以不使用replace 吗？

Answer 1

不，这行不通

首先 Pandas 从您的字典中获取键和值，然后使用这些可迭代对象调用 replace：

keys, values = zip(*items)
to_replace, value = keys, values

return self.replace(to_replace, value, inplace=inplace,
                    limit=limit, regex=regex)

接下来，由于您现在拥有 list_like 键和值，它会输入到replace_list：

elif is_list_like(to_replace):  # [NA, ''] -> [0, 'missing']
    if is_list_like(value):
        new_data = self._data.replace_list(src_list=to_replace, dest_list=value,
                                           inplace=inplace, regex=regex)

接下来，replace_list 尝试在元组数组和值数组之间进行比较：

def comp(s):
    if isnull(s):
        return isnull(values)
    return _possibly_compare(values, getattr(s, 'asm8', s),
                             operator.eq)

masks = [comp(s) for i, s in enumerate(src_list)]

最后，_possibly_compare 检查值是否由标量组成，而键是类似数组的，从而导致错误：

if is_scalar(result) and (is_a_array or is_b_array):
    raise TypeError("Cannot compare types %r and %r" % tuple(type_names))

我在这里排除了一些位，可能是重要的位。但希望你能明白要点。

结论

在我看来，pd.Series.replace 有严重的问题。与大多数 Pandas API 不同，它的实现和性能通常是不可预测的。很明显，它的块是用纯 Python 编写的，性能不佳。

documentation 很好地总结了歧义：

这种方法有很多选择。我们鼓励您尝试并 尝试使用这种方法来直观了解它的工作原理。

pd.Series.map 是高效的，不会受到replace 中实现的纯 Python 逻辑的影响。

另一个例子见Replace values in a pandas series via dictionary efficiently。

坚持map，不要回头看replace。