Python 熊猫-如何将非数值更新为数值并求和？熊猫

我有这样一个DF：

大学生 年龄 分数 乔 23 A、B、C 做记号 22 B、B、C 伊恩 24 A B A

---

您可以创建一个等级到编号的地图字典。然后按空格拆分

等级

列，并使用

映射

和字典（

列表（映射（lambda x:grade_num[x]，x））

将每个等级转换为数字，并对获得的值求和

grade_num = {'A': 1, 'B': 2, 'C': 3}
df['Sum'] = (df['Grades'].str.split(' ')
             .apply(lambda x: np.sum(list(map(lambda x: grade_num[x], x)))))

df

   Student  Age Grades  Sum
0   Joe     23  A B C   6
1   Mark    22  B B C   7
2   Ian     24  A B A   4

---

您可以创建一个等级到编号的地图字典。然后按空格拆分

等级

列，并使用

映射

和字典（

列表（映射（lambda x:grade_num[x]，x））

将每个等级转换为数字，并对获得的值求和

grade_num = {'A': 1, 'B': 2, 'C': 3}
df['Sum'] = (df['Grades'].str.split(' ')
             .apply(lambda x: np.sum(list(map(lambda x: grade_num[x], x)))))

df

   Student  Age Grades  Sum
0   Joe     23  A B C   6
1   Mark    22  B B C   7
2   Ian     24  A B A   4

---

您可以定义一个函数，在该函数中，将非数值坡度映射为数值坡度

def grades_to_num(grades):
    grades_dict = {"A":1, "B":2, "C":3}
    numgrades = [grades_dict[grade] for grade in grades.split()]
    return sum(numgrades)

然后，您可以将该函数应用于df，以使用数字和创建一个新列

df["Sum"] = df["Grades"].apply(grades_to_num)

---

您可以定义一个函数，在该函数中，将非数值坡度映射为数值坡度

def grades_to_num(grades):
    grades_dict = {"A":1, "B":2, "C":3}
    numgrades = [grades_dict[grade] for grade in grades.split()]
    return sum(numgrades)

然后，您可以将该函数应用于df，以使用数字和创建一个新列

df["Sum"] = df["Grades"].apply(grades_to_num)

---

我添加了一个示例，其中我创建了一个dataframe（没有列名），并通过创建dataframe的副本并引入一个新列（3）作为总和来更新值。代码示例仅使用pandas编写

import pandas as pd
grades = {'A': 1, 'B': 2, 'C': 3}
df = pd.DataFrame([['Joe', 23, 'A B C'], ['Mark', 22, 'B B C']])
new_df = df.copy()
new_df[3] = 0

for i, r in new_df.iterrows():
    grade_list = r[2].split(" ")
    s = 0
    for g in grade_list:
        s  += grades[g]
    new_df.loc[i, 3] = s

---

我添加了一个示例，其中我创建了一个dataframe（没有列名），并通过创建dataframe的副本并引入一个新列（3）作为总和来更新值。代码示例仅使用pandas编写

import pandas as pd
grades = {'A': 1, 'B': 2, 'C': 3}
df = pd.DataFrame([['Joe', 23, 'A B C'], ['Mark', 22, 'B B C']])
new_df = df.copy()
new_df[3] = 0

for i, r in new_df.iterrows():
    grade_list = r[2].split(" ")
    s = 0
    for g in grade_list:
        s  += grades[g]
    new_df.loc[i, 3] = s

---

谢谢，米切尔，太好了。快速高效，我喜欢该功能，因此在需要类似操作时可以再次使用。您可以使用map并替换数据框中的A、B、C值，然后仅使用数字。谢谢，Mitchel，太好了。快速高效，我喜欢该功能，因此在需要类似操作时可以再次使用。您可以使用map并替换数据框中的A、B、C值，然后仅使用数字。谢谢@ggaurav，我使用了其他解决方案，但您的解决方案非常类似。还不错，效率也很高。谢谢@ggaurav，我选择了另一种解决方案，但您的解决方案非常相似。还不错，效率高。