DataFrame修改某列的取值(方法：map字典映射和嵌套if,else语句)

在将两种类型数据合并的时候，由于版本不同导致某一列中取值不同，因此在行转列进行统计的时候先要对齐。修改列值时使用了两种方法：

Map字典映射

首先想到的是将上图的关系用字典表示出来

dict = {'1': '05', '2': '02', '3': '01', '4': '04', '5': '07', '6': '06', '7': '07'}
# map可以作用于Series每一个元素的，是Series不是dataFrame
df['type'] = df['type'].map(dict)
df.head()

但是最后把图中左边列的数都变成了nan，应该时dict需要写全，不更改的值也要写出来，即dict加上{‘01’: ‘01’,‘02’:‘02’}…

if else 嵌套重新赋值

显而易见，注意括号不要写漏即可。

df['type'] = df['type'].apply(
    lambda x: '05' if x == '1'else (
        '02' if x == '2' else (
            '01' if x == '3' else (
                '04' if x == '4' else (
                    '07' if x == '5' else (
                        '06' if x == '6' else (
                            '03' if x == '7' else x)))))))
df.head()

关于map()和匿名函数lambda

python map()和匿名函数lambda