Python 如何将真与假映射到';是';和';否';在数据框中,是否仅针对数据类型为bool的列?
我有一个Python 如何将真与假映射到';是';和';否';在数据框中,是否仅针对数据类型为bool的列?,python,pandas,dataframe,replace,boolean,Python,Pandas,Dataframe,Replace,Boolean,我有一个pandas数据框(V0.20.3): 如果我想将True/False替换为'Yes'/'No',我可以运行以下命令: df.replace({ True: 'Yes', False: 'No' }) coname1 coname2 eq 0 Apple Apple Yes 1 Yahoo Google No 这似乎完成了任务。但是,如果数据帧只是列中值为0/1的
pandas
数据框(V0.20.3):
如果我想将True/False
替换为'Yes'/'No'
,我可以运行以下命令:
df.replace({
True: 'Yes',
False: 'No'
})
coname1 coname2 eq
0 Apple Apple Yes
1 Yahoo Google No
这似乎完成了任务。但是,如果数据帧只是列中值为0/1
的一行,它也将被替换,因为它被视为布尔值
df1 = pd.DataFrame({'coname1': [1], 'coname2':['Google'], 'coname3':[777]})
df1['eq'] = True
coname1 coname2 coname3 eq
0 1 Google 777 True
df1.replace({
True: 'Yes',
False: 'No'
})
coname1 coname2 coname3 eq
0 Yes Google 777 Yes
我想将数据框中数据类型为dtype
bool
的所有列的True/False
映射为Yes/No
我如何告诉
pandas
仅为dtype
bool的列运行将真/假映射到任意字符串,而不明确指定列的名称,因为我可能事先不知道这些列的名称?使用dtypes属性检查列是否为布尔值,并基于此进行筛选:
df = pd.DataFrame({'A': [0, 1], 'B': ['x', 'y'],
'C': [True, False], 'D': [False, True]})
df
Out:
A B C D
0 0 x True False
1 1 y False True
bool_cols = df.columns[df.dtypes == 'bool']
df[bool_cols] = df[bool_cols].replace({True: 'Yes', False: 'No'})
df
Out:
A B C D
0 0 x Yes No
1 1 y No Yes
我认为最快的方法是在循环中使用map:
for col in df.columns[df.dtypes == 'bool']:
df[col] = df[col].map({True: 'Yes', False: 'No'})
一个很好的解决方法是创建一个函数,首先检查元素是否为bool类型,然后使用
applymap
:
import pandas as pd
df1 = pd.DataFrame({'coname1': [1], 'coname2':['Google'], 'coname3':[777]})
df1['eq'] = True
def bool2yes(boolean):
if isinstance(boolean, bool):
if boolean == True:
return "Yes"
else:
return "No"
else:
return boolean
>>> df1.applymap(bool2yes)
coname1 coname2 coname3 eq
0 1 Google 777 Yes
我的看法
cols = df.columns[df.dtypes.eq(bool)]
vals = np.column_stack([df[c].values for c in cols])
df[cols] = np.array(['No', 'Yes'])[vals.astype(int)]
df
A B C D
0 0 x Yes No
1 1 y No Yes
您想在所有数据框中属于dtype bool的列上使用此选项,还是只在列eq上使用此选项?@jacoblaw,我想将数据框中属于
dtype
bool
的所有列的True/False
映射到Yes/No
。这似乎是比我的(+1)更好的方法,我不确定,但是.replace
应该比快。applymap
高尔夫版本df.replace({c:{True:'Yes',False:'No'}对于df中的c.select_dtypes([bool]))
谢谢你的选择,太棒了。我刚刚发现这也可以工作-df.loc[:,df.dtypes=='bool']=df.loc[:,df.dtypes=='bool'].replace({True:'Yes',False:'No'})
。你觉得这个怎么样?@AlexTereshenkov是的,那也很好用。在这方面我唯一要做的改变是将df.dtypes=='bool'
保存到一个变量中,这样就不会重复同样的事情了。@piRSquared这实际上很好(我总是忘记replace可以将列名作为键)。我认为select\u dtypes
会创建不必要的副本。如果我能够在视图上操作,那就可以了,但在当前状态下,比较数据类型似乎是一个更好的选择。
cols = df.columns[df.dtypes.eq(bool)]
vals = np.column_stack([df[c].values for c in cols])
df[cols] = np.array(['No', 'Yes'])[vals.astype(int)]
df
A B C D
0 0 x Yes No
1 1 y No Yes