Python 同时使用.loc和.replace（）

如何根据字典更新数据框的列值

例如，我的df看起来像：

df=pd.DataFrame（{'B'：[100101102103]，'E'：pd.Categorical（[“测试”，“训练”，“测试”，“训练]），'F'：[12830012052000]}）

Out[28]：

     B      E     F
0  100   test   128
1  101  train   300
2  102   test  1205
3  103  train  2000

dict={300:3012000:2001}

df.loc[df['B'].isin（[101103]）。替换（dict）

这会给出正确的结果，但在原地执行此操作会发出复制警告，我需要使用此逻辑更新原始数据帧

此外，执行一个效率非常低的

groupby

&

apply

组合虽然有效，但显然不是最优的

---

如何完成此操作？

您可以将结果分配回数据帧的相同位置：

d = {300:301, 2000:2001}  
mask = df.B.isin([101, 103])  
df.loc[mask] = df.loc[mask].replace(d)

df
#     B     E      F
#0  100 test    128
#1  101 train   301
#2  102 test    1205
#3  103 train   2001

或者您可以使用

更新
：

df.update(df.loc[df.B.isin([101, 103])].replace(d))

您可以将结果分配回数据帧的相同位置：

d = {300:301, 2000:2001}  
mask = df.B.isin([101, 103])  
df.loc[mask] = df.loc[mask].replace(d)

df
#     B     E      F
#0  100 test    128
#1  101 train   301
#2  102 test    1205
#3  103 train   2001

或者您可以使用
更新
：

df.update(df.loc[df.B.isin([101, 103])].replace(d))

谢谢，我以前从未使用过
update
。另外，我刚刚意识到，
replace
如何知道该对哪个列执行操作？它从来没有明确说过……它只是应用于df中的每个值吗？如果是这样的话，是否有一种方法可以仅应用于特定列以防万一？您可以将列名添加到
loc
进行子集设置，并仅替换这些列，例如
df.update（df.loc[mask，cols].replace（d））
或
df.loc[mask，cols]=df.loc[mask，cols].replace（d）
假设
cols
是列名列表，例如
cols=['F']
。另外，谢谢，您的解决方案将我的整数转换为浮点数，知道为什么吗？您尝试过赋值选项了吗？update方法可能使用生成NAN的中间进程，该进程将数据类型从int转换为float。我会这样做。谢谢。谢谢，我以前从未使用过
update
。另外，我刚刚意识到，
replace
如何知道该对哪个列执行操作？它从来没有明确说过……它只是应用于df中的每个值吗？如果是这样的话，是否有一种方法可以仅应用于特定列以防万一？您可以将列名添加到
loc
进行子集设置，并仅替换这些列，例如
df.update（df.loc[mask，cols].replace（d））
或
df.loc[mask，cols]=df.loc[mask，cols].replace（d）
假设
cols
是列名列表，例如
cols=['F']
。另外，谢谢，您的解决方案将我的整数转换为浮点数，知道为什么吗？您尝试过赋值选项了吗？update方法可能使用生成NAN的中间进程，该进程将数据类型从int转换为float。我会这样做。谢谢