Python Pandas：使用一列的行与另一列的行之间的映射替换列中的值

发布于11月30日

假设我有以下DataFrame和字典:

df = pd.DataFrame({'group_col':['g1','g1','g1','g1','g2','g2','g2','g2'], 'map_col': ['a','b','c','d','a','b','c','d'], 'replace_col':[1,2,3,4,5,6,7,8]})
map_dict = {'a': 'b', 'c': 'd'}

下面是df条:

  group_col map_col  replace_col
0        g1       a            1
1        g1       b            2
2        g1       c            3
3        g1       d            4
4        g2       a            5
5        g2       b            6
6        g2       c            7
7        g2       d            8

我想根据map_col对分组列group_col中的每个组使用map_dict的映射来替换replace_col中的值，获得以下数据帧:

  group_col map_col  replace_col
0        g1       a            2
1        g1       b            2
2        g1       c            4
3        g1       d            4
4        g2       a            6
5        g2       b            6
6        g2       c            8
7        g2       d            8

对于要进行多个组和替换的大型数据帧，最佳/最快的方法是什么？假设map_col中的条目在每个组内不重复(如上例所示).

推荐答案

map和merge:

df['replace_col'] = (df[['group_col']]
    .merge(df, left_on=['group_col', df['map_col'].map(map_dict)],
           right_on=['group_col', 'map_col'], how='left'
          )['replace_col']
    .fillna(df['replace_col']).convert_dtypes()
   )

效率较低的替代方案，groupby.apply:

df['replace_col'] = (df.groupby('group_col')
                       .apply(lambda g: g['map_col'].map(map_dict)
                                      .map(g.set_index('map_col')['replace_col'])
                                     .fillna(g['replace_col']))
                       .droplevel(0).convert_dtypes()
                    )

输出:

  group_col map_col  replace_col
0        g1       a            2
1        g1       b            2
2        g1       c            4
3        g1       d            4
4        g2       a            6
5        g2       b            6
6        g2       c            8
7        g2       d            8