将包含字符串的 Pandas 系列转换为布尔值

Posted 2023-02-24

【中文标题】将包含字符串的 Pandas 系列转换为布尔值

【英文标题】：Convert Pandas series containing string to boolean

【发布时间】：2013-07-16 03:39:55

【问题描述】：

我有一个名为 df 的 DataFrame

  Order Number       Status
1         1668  Undelivered
2        19771  Undelivered
3    100032108  Undelivered
4         2229    Delivered
5        00056  Undelivered

我想将Status 列转换为布尔值（True 状态已交付，False 状态未交付） 但如果状态既不是“未交付”也不是“已交付”，则应将其视为NotANumber 或类似的东西。

我想使用字典

d = 
  'Delivered': True,
  'Undelivered': False

所以我可以轻松添加其他字符串，可以视为True 或False。

【参考方案1】：

你可以使用map:

In [7]: df = pd.DataFrame('Status':['Delivered', 'Delivered', 'Undelivered',
                                     'SomethingElse'])

In [8]: df
Out[8]:
          Status
0      Delivered
1      Delivered
2    Undelivered
3  SomethingElse

In [9]: d = 'Delivered': True, 'Undelivered': False

In [10]: df['Status'].map(d)
Out[10]:
0     True
1     True
2    False
3      NaN
Name: Status, dtype: object

【讨论】：

我得到AttributeError: 'DataFrame' object has no attribute 'map'。

map 是 Series 上的方法，而不是 DataFrame。

是的，很抱歉。

【参考方案2】：

replace 方法示例，仅替换指定列 C2 中的值并以 DataFrame 类型获取结果。

import pandas as pd
df = pd.DataFrame('C1':['X', 'Y', 'X', 'Y'], 'C2':['Y', 'Y', 'X', 'X'])

  C1 C2
0  X  Y
1  Y  Y
2  X  X
3  Y  X

df.replace('C2': 'X': True, 'Y': False)

  C1     C2
0  X  False
1  Y  False
2  X   True
3  Y   True

【讨论】：

虽然此代码可能会回答问题，但提供有关它如何和/或为什么解决问题的额外上下文将提高​​答案的长期价值。

【参考方案3】：

您拥有所需的一切。你会很高兴发现replace：

df.replace(d)

【讨论】：

啊，我现在才看到我发布了我的答案。在这种情况下与map 有区别吗？

似乎其他东西（不在差异中）只剩下replace，但转换为NaN 和map

我认为map实际上是一个更好的选择，因为如果一个值不在d中，那么该值是无效的，应该用NaN替换。

replace 似乎适用于 DataFrame 而不是 Serie

两者都适用。我的链接是 DataFrame 文档；这是系列的一个。 pandas.pydata.org/pandas-docs/dev/generated/…

【参考方案4】：

扩展之前的答案：

地图方法说明：

Pandas 将在对应的 d 字典中查找每一行的值，将找到的任何键替换为来自 d 的值。 d 中没有键的值将设置为NaN。这可以通过fillna() 方法纠正。 不适用于多列，因为 pandas 在此处通过序列化 pd.Series 进行操作。 文档：pd.Series.map

d = 'Delivered': True, 'Undelivered': False
df["Status"].map(d)

替换方法说明：

Pandas 将在对应的 d 字典中查找每一行的值，并尝试将找到的任何键替换为来自 d 的值。 d 中没有键的值将被保留。 适用于单列和多列（pd.Series 或 pd.DataFrame 对象）。 文档：pd.DataFrame.replace

d = 'Delivered': True, 'Undelivered': False
df["Status"].replace(d)

---

总体而言，replace 方法更健壮，并且可以更好地控制数据的映射方式以及如何处理缺失值或 nan 值。