Python 用查找表中的值替换熊猫系列中的多个字符串

我有一个这样的数据框，其中类型列是用~~分隔的字符串：

我需要根据如下所示的查找表替换“type”列中的字符串，其中两列都是字符串。在执行此操作时，我需要确保最终输出的类型之间有逗号

因此，最终输出如下所示：

id | types                                 |
--------------------------------------------
1  | This is good, This is not good        |
2  | This is not good                      |
3  | This is good, This is OK, This is bad |

我已经读过了。map是一个很好的函数，但是我还没有弄清楚如何将它应用到这个场景中。提前感谢。

映射确实是一种方法，但要实现您想要的输出，有几个步骤。如果查找表是以类型作为索引的系列，则可以映射到该表。不过，首先需要在分隔符上拆分~：

让第一个表为df1，第二个表为df2

我假定第二个数据帧中的类型充当数据帧的索引

df1.map(lambda x: ','.join([df2[i] for i in x.split('~')]))

---

以上大多数答案都使用apply，它不会矢量化。我建议使用str.replace：

这里，我假设映射字典中的映射数远小于数据帧中的行数

如果您在数据帧中有字符串映射，请如您所说将其称为df\u映射，您可以通过运行以下命令从它创建字典：string\u map=df\u映射。将{u index'type'['description']]设置为{u dict。确保{type:'~'，'description'：'，}作为df\u映射中的一行。

df.types.str.replace('~', '|').agg(lambda k: df2.loc[df2.type.str.contains(k)].description.str.cat(sep=', ')

解释：

您可以使用replace来替换~to |。这样，就可以得到字符串，例如

A1|B1

可以使用str.contains轻松搜索，例如

返回

    type    description
0   A1  This is good
2   B1  This is not good

要将这些描述值连接到{}，{}，只需使用str.cat。所以上面给出了

...description.str.cat(sep=', ')

'This is good, This is not good'

---

您可以创建到描述的系列映射类型：

然后通过列表映射您的值：

df['types'] = [', '.join(map(s.get, x.split('~'))) for x in df['types'].values]

pd.Series.map也可以使用类似的逻辑，但效率可能较低。

使用get\u假人，然后替换重命名列，然后使用点

你用map做了什么尝试？

A1|B1

df2.loc[df2.type.str.contains('A1|B1')]

    type    description
0   A1  This is good
2   B1  This is not good

...description.str.cat(sep=', ')

'This is good, This is not good'

s = df_types.set_index('type')['description']

df['types'] = [', '.join(map(s.get, x.split('~'))) for x in df['types'].values]

newdf=df1['types'].str.get_dummies(sep='~').rename(columns=dict(zip(df2.type,df2.description+',')))
newdf.dot(newdf.columns)
Out[232]: 
id
1          This is good,This is not good,
2                           This is good,
3    This is good,This is OK,This is bad,
dtype: object
newdf.dot(newdf.columns).str[:-1]
Out[233]: 
id
1          This is good,This is not good
2                           This is good
3    This is good,This is OK,This is bad
dtype: object