Python 如何使用字典修复某些列值，而保留其他列值？

在pandas中，我需要用一些其他值修复dataframe列中的一些值，我创建了一个字典：

value2fixed= {"lala" : "dada", "howdy": "hoodie"}

df.replace({'col_1':value2fixed}, inplace=True)

>>> df
    col_1  col_2
0    dada    500
1     mel    650
2  hoodie    750

我的日期框df看起来像：

      col_1     col_2
0     lala      500
1     mel       650
2     howdy     750

在Colu_1中，我想用

dada

替换

lala

，用

howdy

替换

howdy

连帽衫离开

mel

。我希望使用

df[col_1].map（value2fixed，na_action=None |“ignore”）

但两个na_action选项值都将

mel

替换为

NaN

---

在字典中，我可以使用

value2fixed.get（key，key）

，我希望在

map

功能中使用一些相同的东西（不使用lambda），最好使用

inplace=True

。有什么想法吗？

当

map

不是一个选项时，总是有

replace

df['col_1'] = df['col_1'].replace(value2fixed)
df
    col_1  col_2
0    dada    500
1     mel    650
2  hoodie    750

---

map

和

replace

之间的区别在于

map

将“无效”键替换为NAN-相反，

replace

不会触及它们。

您可以使用嵌套字典替换：

value2fixed= {"lala" : "dada", "howdy": "hoodie"}

df.replace({'col_1':value2fixed}, inplace=True)

>>> df
    col_1  col_2
0    dada    500
1     mel    650
2  hoodie    750

嵌套字典语法如下所示：

嵌套字典（例如，{'a'：{'b'：nan}}）的读法如下：在列“a”中查找值“b”，并将其替换为nan

---

在

中，您还可以创建一个新的dictionary类，以在缺少键时传递该键

class SmartDict(dict):
    def __missing__(self, key):
        return key

df.col_1.map(SmartDict(value2fixed))

#0      dada
#1       mel
#2    hoodie
#Name: col_1, dtype: object

---

这有意义吗？它返回整个数据帧的副本，即使它只是您正在修改的一列。（请参见编辑），True，无需重新分配或复制，但是带有

inplace=True

的嵌套字典语法仍然有意义（我认为）我喜欢这样answer@cᴏʟᴅsᴘᴇᴇᴅ 谢谢由于

bool（np.NaN）==True

，当键不在字典中时，我通常会使用类似这样的东西来返回False，这通常与我在映射列并将其键入bool时想要的行为相反。感谢您的深入了解！很难选择“最佳答案”。最后一个答案（凌驾于dict行为之上）确实提供了一些新的见解。谢谢大家!！