熊貓：映射到新列，不包括一些代碼

Question

我有一個鍵和值的字典。我想在數據框列中「映射」數字，其中原始列是鍵，新列是值。

但是，是不包括在字典中應編碼的任何值作爲999

原始數據幀：

 Col1 
0 02 
1 03 
2 02 
3 02 
4 04 
5 88 
6 77 

詞典：

codes = {'01':'05', 
     '02':'06', 
     '03':'07', 
     '04':'08'} 

預期輸出：

>>> df['ColNew'] = df['Col1'].map(codes) 

    ColNew 
0 06 
1 07 
2 06 
3 06 
4 08 
5 999 
6 999 

我不知道如何做到這一點，除了首先在字典中包含999代碼。當有涉及百餘碼，只有少數人需要是其他任何超過999

Answer 1

使用map和dict.get
dict.get讓您在key不存在的事件傳遞一個默認值。

df['ColNew'] = df['Col1'].map(lambda x: codes.get(x, 999)) 

df 

    Col1 ColNew 
0 02  06 
1 03  07 
2 02  06 
3 02  06 
4 04  08 
5 88 999 
6 77 999 

這也將保留dtypes。在這種情況下，這並不重要，因爲該列的dtype是object。

但是，如果它是int,map會在NaN回來時變成float。通過使用默認值，我們可以避免類型轉換。

Answer 2

注是令人沮喪：這是一個低劣問題的答案pi​​RSquared由於類型轉換：

之後您可以簡單地填寫NaN。

df['ColNew'] = df.Col1.map(codes).fillna('999') 

結果：

 ColNew 
0 06 
1 07 
2 06 
3 06 
4 05 
5 999 
6 999 

---

一個有趣的事情是，na_action參數Series.map不用作默認映射的說法，因爲我本來很想去思考。

它的目的實際上是控制NaN值是否受映射函數影響 - 如果您沒有以任何方式映射它們，則會通過設置na_action='ignore'來看到潛在的性能提升。

Answer 3

只是另一種方式對皮膚此貓：

new_codes = {k: codes[k] if k in codes else '999' for k in set(df['Col1'])} 
df['ColNew'] = df['Col1'].map(new_codes) 

df 
Out[126]: 
    Col1 ColNew 
0 02  06 
1 03  07 
2 02  06 
3 02  06 
4 04  08 
5 88 999 
6 77 999 

一些計時：

%timeit df['Col1'].map({k: codes[k] if k in codes else '999' for k in set(df['Col1'])}) 
1000 loops, best of 3: 373 µs per loop 

%timeit df['Col1'].map(lambda x: codes.get(x, 999)) 
10000 loops, best of 3: 133 µs per loop 

%timeit df.Col1.map(codes).fillna('999') 
The slowest run took 92.77 times longer than the fastest. This could mean that an intermediate result is being cached. 
1000 loops, best of 3: 575 µs per loop 

貌似piRSquared's answer比我快約64％！