Python 在满足Column1条件的情况下，用字典键替换Column2值

我有一本字典，把数字标签和分类标签联系起来

dict = {
0:'cat',
1:'dog', 
2:'fish
}

我的数据帧（df）输出如下所示：

Feature  | Feature Value | Feature1 |  Feature1 Value

Pet        1               Thing       1
Person     Steve           Pet         1
Place      Texas           Place       Virginia

我想用“狗”来代替“1”

我试过这个

df.replace({df.loc[df['Feature'] == 'Pet']: dict})

但是，我知道这只是查看匹配特征列，而不是从特征值中提取要在字典中匹配的值

我的数据帧（df）输出应该是：

Feature  | Feature Value | Feature1 |  Feature1 Value

Pet        dog             Thing       1
Person     Steve           Pet         dog
Place      Texas           Place       Virginia

---

考虑到您的情况，您可以这样做：

df['Feature Value'].map(dict).fillna(df['Feature Value'])

---

这是非穷举映射，

map（）。另外，
map（）
比
repalce（）快得多
考虑到您的情况，您可以这样做：

df['Feature Value'].map(dict).fillna(df['Feature Value'])

这是非穷举映射，
map（）。另外，
map（）
比
repalce（）
快得多。您可以基于特征替换单个特征集/特征值的值

注意：由于Feature_Value列是object type，所以我将其用作所选值的type（int）

df.loc[df['Feature'] == 'Pet', 'Feature_Value']= df.loc[df['Feature'] == 'Pet', 'Feature_Value'].astype(int).replace(d)

df.loc[df['Feature1'] == 'Pet', 'Feature1_Value']= df.loc[df['Feature1'] == 'Pet', 'Feature1_Value'].astype(int).replace(d)


    Feature Feature_Value   Feature1    Feature1_Value
0   Pet     dog             Thing       1
1   Person  Steve           Pet         dog
2   Place   Texas           Place       Virginia

可以基于特征替换单个特征集/特征值的值

注意：由于Feature_Value列是object type，所以我将其用作所选值的type（int）

df.loc[df['Feature'] == 'Pet', 'Feature_Value']= df.loc[df['Feature'] == 'Pet', 'Feature_Value'].astype(int).replace(d)

df.loc[df['Feature1'] == 'Pet', 'Feature1_Value']= df.loc[df['Feature1'] == 'Pet', 'Feature1_Value'].astype(int).replace(d)


    Feature Feature_Value   Feature1    Feature1_Value
0   Pet     dog             Thing       1
1   Person  Steve           Pet         dog
2   Place   Texas           Place       Virginia