Python 如何优化以下代码？

我正在用python编写一个程序来替换数据帧的一些值，其思想是我有一个名为file.txt的文件，如下所示：

A:s:Y:0.1:0.1:0.1:0.2:0.1
B:r:D:0.3:0.5:0.1:0.2:0.2
C:f:C:0.3:0.4:0.2:-0.1:0.4
D:f:C:0.1:0.2:0.1:0.1:0.1
F:f:C:0.1:-0.1:-0.1:0.1:0.1
G:f:C:0.0:-0.1:0.1:0.3:0.4
H:M:D:0.1:0.4:0.1:0.0:0.4

我想使用“：：”作为分隔符，我想按照以下规则替换某些字符串的四列值：

属于范围1的所有值都将替换为“N”：

range1=[-0.2,-0.1,0,0.1,0.2] -> 'N'

属于范围2的所有值都将替换为“L”：

range2=[-0.5,-0.4,-0.3] -> 'L'

属于范围3的所有值都将替换为“H”：

range3=[0.3,0.4,0.5]

为了实现这一点，我尝试了以下方法：

import pandas as pd

df= pd.read_csv('file.txt', sep=':',header=None)

labels=df[3]


range1=[-0.2,-0.1,0,0.1,0.2]

range2=[-0.5,-0.4,-0.3]

range3=[0.3,0.4,0.5]

lookup = {'N': range1, 'L': range2, 'H': range3}




for k, v in lookup.items():
    df.loc[df[3].isin(v), 3] = k


for k, v in lookup.items():
    df.loc[df[4].isin(v), 4] = k


for k, v in lookup.items():
    df.loc[df[5].isin(v), 5] = k

for k, v in lookup.items():
    df.loc[df[6].isin(v), 6] = k

for k, v in lookup.items():
    df.loc[df[7].isin(v), 7] = k


print(df)

---

它工作得很好，但我想避免使用这么多FOR，我想感谢任何关于如何实现这一点的建议。

您可以使用

where

：

for k, v in lookup.items():
    df = df.where(~df.isin(v), k)

这表示当

v

中不包含

df

的值时，保留这些值。否则，将其替换为值

k

。分配在每次迭代时覆盖

df

，以累积分类标签

此方法在一个操作中对所有列都有效，因此只有当您想用其分类编码字母替换给定数值的每个实例时，它才有效

还有另一个选项，其中

指定就地修改，但不幸的是，它不能用于具有混合列类型的数据帧。在您的示例中，列0、1和2的类型为

object

，其余的类型为

float

。因此，

pandas

保守地（低效地）假设它必须将所有内容转换为

对象来执行就地覆盖，并引发
TypeError
，而不是进一步检查是否只有相同类型的列实际受到变异的影响

例如，这：

df.where(~df.isin(v), k, inplace=True)

将引发
TypeError

对熊猫的这种限制相当令人沮丧。例如，您也不能使用常规pandas分配来解决此问题，因为以下内容也给出了相同的
TypeError
：

for k, v in lookup.items():
    df.where(~df.isin(v), inplace=True)
    df[df.isnull()] = k # <-- same TypeError  

查找.items（）中k、v的
：
df.where（~df.isin（v），inplace=True）
df[df.isnull（）]=k#感谢您的支持，是的，我的数据框包含混合列类型，但是您给我的第一种方法非常有用，这就是我所寻找的。