尝试用地图中的值替换数据帧值时无法比较类型“ndarray（dtype=int64）”和“str”答案

【问题标题】：Cannot compare types 'ndarray(dtype=int64)' and 'str' while trying to replace dataframe values with values from a map尝试用地图中的值替换数据帧值时无法比较类型“ndarray（dtype=int64）”和“str”
【发布时间】：2021-01-12 06:01:55
【问题描述】：

我有一个包含两种不同数据类型（int64 和 str）的字典和一个数据框。我正在尝试将我的 df 第二列中的数据替换为 dict 中的值（如果它们匹配）。

例如-

Input:
    map = {'Pop': [9, 11, 13], 'HipHop': [15, 19, 22], 'Unknown': '_'}
    
    artist = {'Name': ['Taylor','Kanye','Alex'],'Reference': [9,15,_]}
    df = pd.DataFrame(artist, columns = ['Name', 'Reference'])


Expected Output:
output_dict = {'Taylor': 'Pop', 'Kanye': 'HipHop', 'Alex': 'Unknown'}

我的代码如下：

    df['Reference'] = df.Reference.astype('int64')
    out = df.set_index('Name').Reference.replace({z : x for x , y in map.items() for z in y}).to_dict()
    print(out)

我面临的问题是，如果我不将第二列转换为 int64，我将无法使映射工作。但是，一旦我进行转换，我就会得到一个无法比较类型的错误，因为其中一个字段是一个字符串。有关如何解决此问题的任何提示都会有所帮助。谢谢！

【问题讨论】：

标签： python pandas

【解决方案1】：

因为map 是函数，而且python 代码字不使用变量map，更好的是更改类似于mapping。

然后将Reference 转换为数字to_numeric 和errors='coerce' 如果字符串出现错误值，请使用您的解决方案将缺失值替换为Series.fillna

mapping = {'Pop': [9, 11, 13], 'HipHop': [15, 19, 22], 'Unknown': '_'}
  

artist = {'Name': ['Taylor','Kanye','Alex'],'Reference': [9,15,'_']}
df = pd.DataFrame(artist, columns = ['Name', 'Reference'])

df['Reference'] = pd.to_numeric(df.Reference, errors='coerce')

out = (df.set_index('Name').Reference
         .replace({z : x for x , y in mapping.items() for z in y})
         .fillna('Unknown')
         .to_dict())
print(out)
{'Taylor': 'Pop', 'Kanye': 'HipHop', 'Alex': 'Unknown'}

【讨论】：

【解决方案2】：

创建一个地图字典，然后应用到Reference 列。

amap = {'Pop': [9, 11, 13], 'HipHop': [15, 19, 22], 'Unknown': '_'}
artist = {'Name': ['Taylor','Kanye','Alex'],'Reference': [9,15,'_']}
df = pd.DataFrame(artist, columns = ['Name', 'Reference'])

# create map dict
df_map = pd.DataFrame(amap).stack().reset_index()
map_dict = dict(zip(df_map[0], df_map['level_1']))
print(map_dict)
# {9: 'Pop', 15: 'HipHop', '_': 'Unknown', 11: 'Pop', 19: 'HipHop', 13: 'Pop', 22: 'HipHop'}

# apply map dict
df['amap'] = df['Reference'].map(map_dict)
dict(zip(df['Name'], df['amap']))
# {'Taylor': 'Pop', 'Kanye': 'HipHop', 'Alex': 'Unknown'}

【讨论】：