根据差异过滤数据帧有两个系列，一个通过字典映射

Posted 2023-03-11

【中文标题】根据差异过滤数据帧有两个系列，一个通过字典映射

【英文标题】：Filter dataframe based on difference been two series, one mapped via dictionary

【发布时间】：2019-04-16 11:51:10

【问题描述】：

我有我的字典

d = 'A':1, 'B':2, 'C':3

和我的数据框

df =pd.DataFrame(
"col1": ["A", "B", "C"],
"col2": [1, 2, 3],
"col3": [2, 1, 4] )

我搜索将 df 中的每个值与字典中的对应值进行比较。如果匹配，则保留该值，否则丢弃该值。

我试试

m = df['col2'] >= d[df['col1']]
df.where(m, df, other = "")

但它得到了 m 的错误代码：TypeError: 'Series' objects are mutable, 因此它们不能被散列......

感谢您的帮助。

【问题讨论】：

发布你的错误

TypeError: 'Series' 对象是可变的，因此它们不能被散列

是的。应用应该解决这个问题

"Series objects are mutable and cannot be hashed" error的可能重复

【参考方案1】：

使用 apply 创建一个新列进行比较

df[‘dict_col’] = df[‘col1’].apply(lambda k: d[k])

m = df[‘dict_col’] >= df[‘col2’]

df[‘col2’] = df[‘col2’].where(m, df, other = "")

【讨论】：

谢谢！但是整行都被删除了，而不仅仅是值。

已更新以将这些值替换为“”

【参考方案2】：

您可以将pd.Series.map 与loc 和布尔索引一起使用：

df = df.loc[df['col2'] >= df['col1'].map(d)]

【讨论】：

但是整行都被删除了，而不仅仅是值。

@Billy，不，这意味着要么数据错误，要么您应用的逻辑不正确。

我不明白

【参考方案3】：

提示存在于错误消息本身中。

TypeError: 'Series' 对象是可变的，因此它们不能被散列。

df['col1'] 是一个Series 对象，它是一个可变对象。

可变对象不能被散列，因此不能用作字典键。来自docs：

... 字典由键索引，可以是任何不可变类型；字符串和数字总是可以作为键...

您正在使用Series 对象作为字典键。 一种重写d[df['col1']]的方法是：

[d[x] for x in df['col1']]

【讨论】：

谢谢，很明显，我已经理解了我的错误（并重新阅读了文档）。但是我的条件的结果仍然适用于整行。我不明白为什么。