Python 如何用另一个分类变量列表替换不同的分类变量

我有一个列，其分类值为[01 2 3 4 5]。我想用以下方式仅用[1 2 3 4]替换这些值：

1 -> 1
2 -> 2
3 -> 3
0,4,5 -> 3

excel分类图

我尝试了以下代码：

bins=[0,1,2,3,4，np.inf] 名称=['4'、'1'、'2'、'3'、'4'] 数据['NEW_EDU']=pd.cutdata['EDU']，箱子，标签=名称 但我得到- ValueError：分类类别必须是唯一的

您只需使用

例如：

df = pd.DataFrame({
    'EDU': [1,2,3,4,5,0,4,2]
})

输出：

    EDU
0   1
1   2
2   3
3   4
4   5
5   0
6   4
7   2

EDU
0   1
1   2
2   3
3   3
4   3
5   3
6   3
7   2

使用

输出：

    EDU
0   1
1   2
2   3
3   4
4   5
5   0
6   4
7   2

EDU
0   1
1   2
2   3
3   3
4   3
5   3
6   3
7   2

您只需要使用

例如：

df = pd.DataFrame({
    'EDU': [1,2,3,4,5,0,4,2]
})

输出：

    EDU
0   1
1   2
2   3
3   4
4   5
5   0
6   4
7   2

EDU
0   1
1   2
2   3
3   3
4   3
5   3
6   3
7   2

使用

输出：

    EDU
0   1
1   2
2   3
3   4
4   5
5   0
6   4
7   2

EDU
0   1
1   2
2   3
3   3
4   3
5   3
6   3
7   2

---

使用字典将新值映射到键：

value_dict = {1:1, 2:2, 3:3, 0:4, 4:4, 5:4}

然后遍历该列并用映射值替换键

df['NEW_EDU'] = [value_dict[x] for x in df['EDU']]

---

这允许您在值列表之间创建任意映射

使用字典将新值映射到键：

value_dict = {1:1, 2:2, 3:3, 0:4, 4:4, 5:4}

然后遍历该列并用映射值替换键

df['NEW_EDU'] = [value_dict[x] for x in df['EDU']]

---

这允许您使用lambda表达式在值列表之间创建任意映射：

df['NEW_EDU'] = df['EDU'].apply(lambda x: 3 if x in [0, 4, 5] else x)

或者使用numpy。其中：

import numpy as np
df['NEW_EDU'] = np.where(df["EDU"].isin([0, 4, 5]), 3, df["EDU"])

如果如@rafaelc所示，将列保持为分类类型很重要：

df['NEW_EDU'] = pd.Categorical(np.where(df["EDU"].isin([0, 4, 5]), 3, df["EDU"]))

---

使用lambda表达式的另一种方法：

df['NEW_EDU'] = df['EDU'].apply(lambda x: 3 if x in [0, 4, 5] else x)

或者使用numpy。其中：

import numpy as np
df['NEW_EDU'] = np.where(df["EDU"].isin([0, 4, 5]), 3, df["EDU"])

如果如@rafaelc所示，将列保持为分类类型很重要：

df['NEW_EDU'] = pd.Categorical(np.where(df["EDU"].isin([0, 4, 5]), 3, df["EDU"]))

---

这也会将数据类型从category更改为int，而不是intended。您可以只使用map:df['NEW_EDU']=df['EDU'].mapvalue_dict@rafaelc什么是“类别”数据类型？它可以是int或str.@AdarshChavakula查看df.dtypes前后：也可以参考更多信息这也会将dtype从category更改为int，而不是intended。可以只使用map:df['NEW_EDU']=df['EDU'].mapvalue_dict@rafaelc什么是“类别”数据类型？要么是int，要么是str。@AdarshChavakula查看df.dtypes之前和之后的情况：还可以参考更多信息这也会将dtype从category更改为int，这不是故意的。另外，如果手头有矢量化选项，为什么要使用apply；是的，速度很慢，但这是一个选择！Numpy.where是另一个更快的选择。老实说，apply方法很糟糕。它速度慢且不可读，不考虑必须创建一个lambda函数，并且在列表中搜索的lambda中至少可以使用3 if x in{0,4,5}else x来搜索集合。但是np.where选项很漂亮，可读性好，效率也很高，所以恭喜你这也会将数据类型从category更改为int，而不是预期的。另外，如果手头有矢量化选项，为什么要使用apply；是的，速度很慢，但这是一个选择！Numpy.where是另一个更快的选择。老实说，apply方法很糟糕。它速度慢且不可读，不考虑必须创建一个lambda函数，并且在列表中搜索的lambda中至少可以使用3 if x in{0,4,5}else x来搜索集合。但是np.where选项很漂亮，可读性好，效率也很高，所以恭喜你