Python 如何将值映射到位？

我有这样一个数据帧：

df = pd.DataFrame({'c1': list('aba'), 'c2': list('aaa'), 'ignore_me': list('bbb'), 'c3': list('baa')})

  c1 c2 ignore_me c3
0  a  a         b  b
1  b  a         b  a
2  a  a         b  a

还有一本像这样的字典

d = {'a': "foo", 'b': 'bar'}

现在我想

将
d
的值映射到与
regex
^c\d+$
匹配的列

我能行

df.filter(regex='^c\d+$').apply(lambda x: x.map(d))

    c1   c2   c3
0  foo  foo  bar
1  bar  foo  foo
2  foo  foo  foo

但是，如果缺少与正则表达式不匹配的所有列，则会出现错误

因此，我可以：

tempdf = df.filter(regex='^c\d+$')

df.loc[:, tempdf.columns] = tempdf.apply(lambda x: x.map(d))

它给出了所需的输出

    c1   c2 ignore_me   c3
0  foo  foo         b  bar
1  bar  foo         b  foo
2  foo  foo         b  foo

有没有一个更聪明的解决方案可以避免临时的数据帧？
也许不是最聪明的方法，但我认为这是非常巧妙的…：

#您的代码
df=pd.DataFrame（{'c1'：list（'aba'），'c2'：list（'aaa'），'ignore_me'：list（'bbb'），'c3'：list（'baa'））
d={'a'：'foo'，'b'：'bar'}
#解决方案
import re#cs95提供了更好的列拾取解决方案！
#预编译regex对象，以防有大量列。。。。
regex=re.compile（r'^c\d+$）
#Python3的'filter'返回一个'generator'，添加一个'list'包装器来获取列
cols=list（过滤器（regex.search，df.columns））
#输出['c1'，'c2'，'c3']
#选择以下选项之一…：
#正常方式
df[cols]=df[cols].apply（lambda x:x.map（d））
#或者使用“applymap”`
df[cols]=df[cols].applymap（λx:d[x]）
#或者如果你根本不想看到“lambda”！
df[cols]=df[cols].applymap（d.get）
df
是否尝试更换

df.filter（regex='^c\d+$）.apply（lambda x:x.replace（d））

您可能会发现这类过滤问题也很有用。
绝对有，请使用
str.contains

df.columns.str.contains(r'^c\d+$') # use raw strings, it's good hygene
# array([ True,  True, False,  True])

将掩码传递到
loc
：

df.loc[:, df.columns.str.contains(r'^c\d+$')] = df.apply(lambda x: x.map(d))

如果你想尽可能高效

m = df.columns.str.contains(r'^c\d+$')
df.loc[:, m] = df.loc[:, m].apply(lambda x: x.map(d))


这和我现在的输出没有什么不同。啊，对不起，我误解了。我以为
map
操作是插入
NaN
，而不是
过滤器。
df

    c1   c2 ignore_me   c3
0  foo  foo  b         bar
1  bar  foo  b         foo
2  foo  foo  b         foo