首页 文章

使用另一列的子字符串创建字典键

提问于
浏览 次
2

我有一个数据框，其中包含纽约市（曼哈顿，布鲁克林等）的行政区名称 . 我想创建另一个列'borough_num'，为每个行政区划分一个数字（曼哈顿 - > 1，布鲁克林 - > 2，皇后 - > 3，史坦顿岛 - > 4，布朗克斯 - > 5，其他 - > 0） .

但是，在Borough列中，某些行包含自治市镇名称前面的数字（例如，而不是"Bronx"我有"07 Bronx"） . 因为"07 Bronx"仍然是布朗克斯区的一部分，所以它也应该被指定为"5"的相同值"5" . 因此，我需要创建一个字典，将数字5分配给 contains 字"Bronx"的字符串 . 每个自治市都一样 . 有关如何做到这一点的任何线索？我是python的新手！

这是我在注意到带有数字的单元格之前所拥有的：

df['Borough'] = df['Borough'].fillna('OTHER')
borough_dict = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}
df['borough_num'] = df['Borough'].apply(lambda x:0 if borough_dict.get(x) == None else borough_dict.get(x))

enter image description here

python pandas dictionary

8 回答

  • -1

    由于有一小部分自治市镇名称可以为其分配整数代码，因此将其作为一系列显式逻辑索引分配完全可以接受，例如下面的一些示例数据 .

    具体来说，在这种情况下，不需要尝试将自治市镇代码映射封装到 dict 或辅助函数或DataFrame上的任何类型的 apply 或 map 操作 .

    只是一组5个无聊，直接的逻辑分配 .

    In [13]: df = pandas.DataFrame({
    'Borough': ["Manhattan", "Brooklyn", "Bronx", "07 Bronx", 
                "109 Staten Island", "03 Brooklyn", "04 Queens"], 
    'Value':[1, 2, 3, 4, 5, 6, 7]
})

In [14]: df
Out[14]:
             Borough  Value
0          Manhattan      1
1           Brooklyn      2
2              Bronx      3
3           07 Bronx      4
4  109 Staten Island      5
5        03 Brooklyn      6
6          04 Queens      7

In [15]: df['Borough_num'] = 6  # everything defaults to the 'other' case

In [16]: df.loc[df.Borough.str.contains("Manhattan"), 'Borough_num'] = 1

In [17]: df.loc[df.Borough.str.contains("Brooklyn"), 'Borough_num'] = 2

In [18]: df.loc[df.Borough.str.contains("Queens"), 'Borough_num'] = 3

In [19]: df.loc[df.Borough.str.contains("Staten Island"), 'Borough_num'] = 4

In [20]: df.loc[df.Borough.str.contains("Bronx"), 'Borough_num'] = 5

In [21]: df
Out[21]: 
             Borough  Value  Borough_num
0          Manhattan      1            1
1           Brooklyn      2            2
2              Bronx      3            5
3           07 Bronx      4            5
4  109 Staten Island      5            4
5        03 Brooklyn      6            2
6          04 Queens      7            3

    如果你想以任何理由封装自治市镇到代码的映射，你可以用一个简单的 dict 然后循环来实现：

    In [30]: borough_code = {'Manhattan': 1, 'Brooklyn': 2, 'Queens': 3,
                         'Staten Island': 4, 'Bronx': 5}

In [31]: for borough, code in borough_code.items():
    ...:     df.loc[df.Borough.str.contains(borough), 'Borough_num'] = code

    除非DataFrame是巨大的，否则 str.contains 的重复矢量化计算将与在列中映射函数无法区分，但将更容易理解 .

    回复于
  • 4

    也许写一个简单的辅助函数：

    def find_borough_id(name):
    for k, v in borough_dict.items():
        if k in name:
            return v
    return 0

df['borough_num'] = df['Borough'].apply(find_borough_id)
    回复于
  • 1

    一种解决方案是搜索borough_dict的哪个键是x的子字符串并返回其关联值：

    def get_borough_num(x):
  for key, val in borough_dict.items():
    if key in x:
       return val
  return 0
df['borough_num'] = df['Borough'].apply(get_borough_num)

    另一种解决方案是假设所有行都使用borough_name作为行政区名称或以行政区域名称结尾 . 有了这样的假设，您可以使用以下命令获取borough_name：

    x.rsplit(' ')[-1]

    如果字符串包含空格，则返回最后一个空格后的字符串，否则返回整个字符串：

    "Manhattan".rsplit(' ')[-1] => "Manhattan"
"blah Manhattan".rsplit(' ')[-1] => "Manhattan"

    所以当结束时：

    get_borough_num = lambda x: borough_dict.get(x.rsplit(' ')[-1], 0)
df['borough_num'] = df['Borough'].apply(get_borough_num)
    回复于
  • 1

    让我们使用Pandas str访问器和字符串函数，如 extract ， join ， upper 和python方法 map .

    根据@alexlaval问题设置：

    borough_dict = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}

    并从@ely设置

    df = pd.DataFrame({
    'Borough': ["Manhattan", "Brooklyn", "Bronx", "07 Bronx", 
                "109 Staten Island", "03 Brooklyn", "04 Queens","Unknown"], 
    'Value':[1, 2, 3, 4, 5, 6, 7, 8]
})

    让我们创建一个正则表达式来从dataframe列中提取自治市镇：

    x = '(' + '|'.join(borough_dict.keys()) + ')'

    现在，让我们使用提取和 Map 来获得自治市镇号码

    df['Borough_number'] = df.Borough.str.upper()\
                         .str.extract(x, expand=False).fillna('OTHER')\
                         .map(borough_dict)

    输出：

    Borough  Value  Borough_number
0          Manhattan      1               1
1           Brooklyn      2               2
2              Bronx      3               5
3           07 Bronx      4               5
4  109 Staten Island      5               4
5        03 Brooklyn      6               2
6          04 Queens      7               3
7            Unknown      8               6
    回复于
  • -1

    一种天真的方法是定义一个函数来搜索字符串，如果找到该字符串，则返回预期的id .

    def borough_id(borough):
    if 'Bronx' in borough:
        return 5
    elif ...
        ...
        ...
    else:
        return None

df['borough_num'] = df['Borough'].apply(lambda x: borough_id(x))
    回复于
  • -2

    Functional approach

    使用带有生成器表达式的自定义函数，如果未找到匹配项，则使用 dict.get 的默认值返回'OTHER' .

    然后通过 pd.Series.apply 应用该功能 .

    df = pd.DataFrame({'Borough': ['07 BRONX', '01 MANHATTAN', 'STATEN ISLAND', '12 QUEENS', 'UNKNOWN']})

d = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}

def map_borough(x, mapping):
    return mapping.get(next((k for k in mapping if x.endswith(k)), None), 'OTHER')

df['borough_num'] = df['Borough'].apply(map_borough, mapping=d)

print(df)

#          Borough borough_num
# 0       07 BRONX           5
# 1   01 MANHATTAN           1
# 2  STATEN ISLAND           4
# 3      12 QUEENS           3
# 4        UNKNOWN       OTHER
    回复于
  • -2

    Object-oriented approach

    您可以继承 dict ，然后使用 pd.Series.map .

    class dict_endswith(dict):
    def __getitem__(self, value):
        key = next((k for k in self.keys() if value.endswith(k)), None)
        return self.get(key)

df = pd.DataFrame({'Borough': ['07 BRONX', '01 MANHATTAN', 'STATEN ISLAND', '12 QUEENS', 'UNKNOWN']})

d = dict_endswith({'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6})

df['borough_num'] = df['Borough'].map(lambda x: d[x]).fillna('OTHER')

print(df)

#          Borough borough_num
# 0       07 BRONX           5
# 1   01 MANHATTAN           1
# 2  STATEN ISLAND           4
# 3      12 QUEENS           3
# 4        UNKNOWN       OTHER
    回复于
  • 1

    Loopy solution

    如果要使用循环，则可以通过将数据结构与逻辑分离来使代码更具可读性 .

    在此示例中，您可以按顺序迭代字典项 . @ely's version对于更大的数据帧更好 .

    df = pd.DataFrame({'Borough': ['07 BRONX', '01 MANHATTAN', 'STATEN ISLAND', '12 QUEENS', 'UNKNOWN']})

d = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6}

def map_borough(x, mapping):
    for k, v in mapping.items():
        if k in x:
            return v
    else:
        return 'OTHER'

df['borough_num'] = df['Borough'].apply(map_borough, mapping=d)

#          Borough borough_num
# 0       07 BRONX           5
# 1   01 MANHATTAN           1
# 2  STATEN ISLAND           4
# 3      12 QUEENS           3
# 4        UNKNOWN       OTHER
    回复于

相关问题