Pandas 替换列中的值，但 to_replace 参数是包含元组的元组

Posted 2023-02-23

【中文标题】Pandas 替换列中的值，但 to_replace 参数是包含元组的元组

【英文标题】：Pandas replacing values in columns, but to_replace argument is a tuple containing tuples

【发布时间】：2020-04-08 13:36:43

【问题描述】：

我正在解码 NLSY 79 中的值。它们是职业行业。每个行业都有多个职业；例如：从 17 岁到 29 岁的所有职业都在农业、林业和渔业。我尝试了三种策略，但是两种返回错误，第三种没有将值存储在数据框中。

执行代码如下（调查对象最多可以列出 5 个工作，所有这些都包含在数据中）

df[['Job1', 'Job2', 'Job3', 'Job4', 'Job5']].replace(to_replace=jobs['code'], value=jobs['true'], inplace=True)

策略 1

ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()

jobs = 'code': ( tuple(range(17,29)), ... )
        'true': ( 'Agriculture, Forestry & Fisheries', ... )

策略 2

TypeError: 无法比较类型 'ndarray(dtype=float64)' 和 'range'

jobs = 'code': ( range(17,29), ... )
        'true': ( 'Agriculture, Forestry & Fisheries', ... )

策略 3

SettingWithCopyWarning：试图在 DataFrame 中的切片副本上设置值

jobs = 'code': ( any(tuple(range(17, 29))), any(tuple(range(47, 58))), ... )
        'true': ( 'Agriculture, Forestry & Fisheries', 'Mining', ... )

我认为对第三个策略/执行代码进行调整是最好的，但我对编码还是很陌生，不确定它会是什么。有关如何解决此问题的任何建议？

Input:
        Job1      ...  
0       339       ...  
1       757       ...  
2       739       ...  
3       448       ...  

Desired Output:

        Job1            ...  
0       Utilities       ...  
1       Professional    ...  
2       Professional    ...  
3       Retail          ...

job = 'code': (list(range(17, 29)),
                   list(range(47, 58)),
                   list(range(67, 78)), ...)
       'true': ('Agriculture, Forestry & Fisheries',
                  'Mining',
                  'Construction', ...)

【参考方案1】：

试试这个：

df1
        Job1
0       20
1       50
2       70

job = 'code': (list(range(17, 29)),
                   list(range(47, 58)),
                   list(range(67, 78))),
       'true': ('Agriculture, Forestry & Fisheries',
                  'Mining',
                  'Construction')

pd_replace = pd.DataFrame(job).explode('code')
df1.replace(dict(zip(pd_replace['code'], pd_replace['true'])))

                                Job1
0  Agriculture, Forestry & Fisheries
1                             Mining
2                       Construction

【讨论】：

工作并将运行时间缩短了一半！一个问题是我一次只能针对一列执行此操作，因此我必须遍历 5 个作业列。我能做些什么来保持这一点吗？

【参考方案2】：

解决了。不是最快的方法，但它有效。

job = 'code': (list(range(17, 29)), ...),  
       'true': ('Agriculture, Forestry & Fisheries', ...)  

    for i, x in enumerate(job['code']):  
        for key in df_jobs:  
            df[key].replace(to_replace=x, value=[job['true'][i]]*len(x), inplace=True)