Python 将col中的唯一值替换为list-PANDES

我希望用一个列表中的值替换一个表中的唯一值。我希望使用唯一值的顺序，而不是对

replace（）

使用硬编码值。使用下面的

df

，我想使用

lst

，并在

Val3

中使用唯一的值。因此，对于第一个唯一值，使用

lst[0]

，第二个使用

lst[1]

import pandas as pd

df = pd.DataFrame({'Val1': [1, 4, 7, 10, 12, 12],
               'Val2': ['12', '14', '14', '13', '15', '15'],
               'Val3': ['X', 'Y', 'X', 'Y', 'Y', 'X']})

lst = ['A','B']

注:

我不能使用：

df['Val3'] = df['Val3'].replace('X','A')
df['Val3'] = df['Val3'].replace('Y','B')

---

因为

Val3

中的值会有所不同，所以我希望这是动态的。

替换会获取一个列表，这样您就可以获取该系列的

唯一的

，并替换为列表（确保列表的长度与该系列中唯一值的长度相匹配）：

---

---

replace获取一个列表，这样您就可以获取该系列的

唯一

，并替换为该列表（确保列表的长度与该系列中唯一值的长度匹配）：

---

---

一般解决方案（如果可能）是创建字典，替换不同数量的值-此处不替换最后一个值

Z

：

df = pd.DataFrame({'Val1': [1, 4, 7, 10, 12, 12],
               'Val2': ['12', '14', '14', '13', '15', '15'],
               'Val3': ['X', 'Y', 'X', 'Y', 'Y', 'Z']})

lst = ['A','B']
df['Val3'] = df['Val3'].replace(dict(zip(df['Val3'].unique(),lst)))
print (df)
   Val1 Val2 Val3
0     1   12    A
1     4   14    B
2     7   14    A
3    10   13    B
4    12   15    B
5    12   15    Z

如果要将列表中的所有值替换为第一个值，并将所有其他VAL替换为相同的默认值，请使用：

如果始终按列表和性能的值的数量匹配唯一值的数量，则使用numpy索引很重要-将

lst

转换为aray，方法是：

---

一般解决方案（如果可能）是创建字典，替换不同数量的值-此处不替换最后一个值

Z

：

df = pd.DataFrame({'Val1': [1, 4, 7, 10, 12, 12],
               'Val2': ['12', '14', '14', '13', '15', '15'],
               'Val3': ['X', 'Y', 'X', 'Y', 'Y', 'Z']})

lst = ['A','B']
df['Val3'] = df['Val3'].replace(dict(zip(df['Val3'].unique(),lst)))
print (df)
   Val1 Val2 Val3
0     1   12    A
1     4   14    B
2     7   14    A
3    10   13    B
4    12   15    B
5    12   15    Z

如果要将列表中的所有值替换为第一个值，并将所有其他VAL替换为相同的默认值，请使用：

如果始终按列表和性能的值的数量匹配唯一值的数量，则使用numpy索引很重要-将

lst

转换为aray，方法是：

df = pd.DataFrame({'Val1': [1, 4, 7, 10, 12, 12],
               'Val2': ['12', '14', '14', '13', '15', '15'],
               'Val3': ['X', 'Y', 'X', 'Y', 'Y', 'Z']})

lst = ['A','B']
df['Val3'] = df['Val3'].replace(dict(zip(df['Val3'].unique(),lst)))
print (df)
   Val1 Val2 Val3
0     1   12    A
1     4   14    B
2     7   14    A
3    10   13    B
4    12   15    B
5    12   15    Z

df = pd.DataFrame({'Val1': [1, 4, 7, 10, 12, 12],
               'Val2': ['12', '14', '14', '13', '15', '15'],
               'Val3': ['X', 'Y', 'X', 'Y', 'W', 'Z']})

lst = ['A','B']
df['Val3'] = df['Val3'].map(dict(zip(df['Val3'].unique(),lst))).fillna('Other')
print (df)
   Val1 Val2   Val3
0     1   12      A
1     4   14      B
2     7   14      A
3    10   13      B
4    12   15  Other
5    12   15  Other

lst = ['A','B']
df['Val3'] = np.array(lst)[pd.factorize(df['Val3'].to_numpy())[0]]
print (df)
   Val1 Val2 Val3
0     1   12    A
1     4   14    B
2     7   14    A
3    10   13    B
4    12   15    B
5    12   15    B