pandas映射,replace和map

replace

df['消费性别倾向'] = df['消费性别倾向'].replace(2,'女')

df['消费性别倾向'] = df['消费性别倾向'].replace('2','女')

df['消费性别倾向'] = df['消费性别倾向'].replace(['1','2','3','4','5'],'女')

df['消费性别倾向'] = df['消费性别倾向'].replace(['6','7','8','9'],'男')

传入表示映射关系的字典作为参数

food = {'<=100':'1','100-500':'2','500-1000':'3','1000-3000':'4','>3000':'5'}

df['工作日消费指数'] = df['工作日消费金额'].replace(food)

map

food = {'<=100':'1','100-500':'2','500-1000':'3','1000-3000':'4','>3000':'5'}

df['工作日消费指数'] = df['工作日消费金额'].map(food)

注:如果map中需要包含映射列的所有取值的映射关系

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
确实,在 Pandas 的 `map()` 函数中,只能将一个值映射到另一个值,而不能将字符串映射为整型。如果您想要将字符串映射为整型,可以使用 Pandas 的 `replace()` 函数,或者使用 Python 内置的 `map()` 函数。 下面是一个使用 `replace()` 函数将字符串映射为整型的示例代码: ```python import pandas as pd # 读取 CSV 文件 df = pd.read_csv('your_csv_file.csv') # 将字符串替换为整型 replace_dict = {'A': 1, 'B': 2, 'C': 3} df['column_name'] = df['column_name'].replace(replace_dict) # 将修改后的数据保存为 CSV 文件 df.to_csv('new_csv_file.csv', index=False) ``` 在这个示例代码中,我们首先使用 Pandas 的 `read_csv()` 函数读取 CSV 文件。然后,我们创建一个字典 `replace_dict`,其中包含要替换的字符串和要替换为的整型数字。接下来,我们使用 Pandas 的 `replace()` 函数将 DataFrame 中的字符串替换为整型数字。最后,我们使用 Pandas 的 `to_csv()` 函数将修改后的数据保存为 CSV 文件。 如果您想要使用 Python 内置的 `map()` 函数,可以使用以下代码: ```python import pandas as pd # 读取 CSV 文件 df = pd.read_csv('your_csv_file.csv') # 将字符串映射为整型 df['column_name'] = df['column_name'].map({'A': 1, 'B': 2, 'C': 3}) # 将修改后的数据保存为 CSV 文件 df.to_csv('new_csv_file.csv', index=False) ``` 在这个示例代码中,我们首先使用 Pandas 的 `read_csv()` 函数读取 CSV 文件。然后,我们使用 Python 内置的 `map()` 函数将 DataFrame 中的字符串映射为整型数字。最后,我们使用 Pandas 的 `to_csv()` 函数将修改后的数据保存为 CSV 文件。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值