Ubah satu nilai berdasarkan nilai lain di panda

Saya mencoba memprogram ulang kode Stata saya ke Python untuk peningkatan kecepatan, dan saya diarahkan ke PANDAS. Saya, bagaimanapun, mengalami kesulitan memikirkan bagaimana memproses data.

Katakanlah saya ingin mengulang semua nilai di kepala kolom 'ID.' Jika ID itu cocok dengan nomor tertentu, maka saya ingin mengubah dua nilai yang sesuai FirstName dan LastName.

Di Stata terlihat seperti ini:

replace FirstName = "Matt" if ID==103
replace LastName =  "Jones" if ID==103

Jadi ini menggantikan semua nilai di FirstName yang sesuai dengan nilai ID == 103 ke Matt.

Di PANDAS, saya mencoba sesuatu seperti ini

df = read_csv("test.csv")
for i in df['ID']:
    if i ==103:
          ...

Tidak yakin hendak kemana setelah ini. Ada ide?

Salah satu opsinya adalah menggunakan fitur pemotongan dan pengindeksan Python untuk mengevaluasi secara logis tempat di mana kondisi Anda menahan dan menimpa data di sana.

Dengan asumsi Anda dapat memuat data Anda langsung ke pandasdengan pandas.read_csvkemudian kode berikut mungkin berguna untuk Anda.

import pandas
df = pandas.read_csv("test.csv")
df.loc[df.ID == 103, 'FirstName'] = "Matt"
df.loc[df.ID == 103, 'LastName'] = "Jones"

Seperti yang disebutkan di komentar, Anda juga dapat melakukan tugas ke kedua kolom dalam satu kesempatan:

df.loc[df.ID == 103, ['FirstName', 'LastName']] = 'Matt', 'Jones'

Perhatikan bahwa Anda memerlukan pandasversi 0.11 atau yang lebih baru agar dapat digunakan locuntuk operasi penugasan timpa.

Cara lain untuk melakukannya adalah dengan menggunakan apa yang disebut penugasan berantai. Perilaku ini kurang stabil sehingga tidak dianggap sebagai solusi terbaik ( secara eksplisit tidak disarankan dalam dokumen), tetapi berguna untuk mengetahui tentang:

import pandas
df = pandas.read_csv("test.csv")
df['FirstName'][df.ID == 103] = "Matt"
df['LastName'][df.ID == 103] = "Jones"

Anda dapat menggunakannya map, itu dapat memetakan vales dari toko susu atau bahkan fungsi khusus.

Misalkan ini df Anda:

    ID First_Name Last_Name
0  103          a         b
1  104          c         d

Buat penisnya:

fnames = {103: "Matt", 104: "Mr"}
lnames = {103: "Jones", 104: "X"}

Dan peta:

df['First_Name'] = df['ID'].map(fnames)
df['Last_Name'] = df['ID'].map(lnames)

Hasilnya adalah:

    ID First_Name Last_Name
0  103       Matt     Jones
1  104         Mr         X

Atau gunakan fungsi khusus:

names = {103: ("Matt", "Jones"), 104: ("Mr", "X")}
df['First_Name'] = df['ID'].map(lambda x: names[x][0])

Pertanyaan asli membahas kasus penggunaan sempit tertentu. Bagi mereka yang membutuhkan jawaban yang lebih umum, berikut beberapa contohnya:

Membuat kolom baru menggunakan data dari kolom lain

Diberikan dataframe di bawah ini:

import pandas as pd
import numpy as np

df = pd.DataFrame([['dog', 'hound', 5],
                   ['cat', 'ragdoll', 1]],
                  columns=['animal', 'type', 'age'])

In[1]:
Out[1]:
  animal     type  age
----------------------
0    dog    hound    5
1    cat  ragdoll    1

Di bawah ini kami menambahkan descriptionkolom baru sebagai rangkaian kolom lain dengan menggunakan +operasi yang diganti untuk seri. Pemformatan string mewah, f-string, dll. Tidak akan berfungsi di sini karena +berlaku untuk skalar dan bukan nilai 'primitif':

df['description'] = 'A ' + df.age.astype(str) + ' years old ' \
                    + df.type + ' ' + df.animal

In [2]: df
Out[2]:
  animal     type  age                description
-------------------------------------------------
0    dog    hound    5    A 5 years old hound dog
1    cat  ragdoll    1  A 1 years old ragdoll cat

Kami mendapatkan 1 yearsuntuk kucing (bukan 1 year) yang akan kami perbaiki di bawah ini menggunakan kondisional.

Mengubah kolom yang sudah ada dengan kondisional

Di sini kami mengganti animalkolom asli dengan nilai dari kolom lain, dan menggunakan np.whereuntuk mengatur substring bersyarat berdasarkan nilai age:

# append 's' to 'age' if it's greater than 1
df.animal = df.animal + ", " + df.type + ", " + \
    df.age.astype(str) + " year" + np.where(df.age > 1, 's', '')

In [3]: df
Out[3]:
                 animal     type  age
-------------------------------------
0   dog, hound, 5 years    hound    5
1  cat, ragdoll, 1 year  ragdoll    1

Mengubah beberapa kolom dengan kondisional

Pendekatan yang lebih fleksibel adalah dengan memanggil .apply()seluruh kerangka data daripada pada satu kolom:

def transform_row(r):
    r.animal = 'wild ' + r.type
    r.type = r.animal + ' creature'
    r.age = "{} year{}".format(r.age, r.age > 1 and 's' or '')
    return r

df.apply(transform_row, axis=1)

In[4]:
Out[4]:
         animal            type      age
----------------------------------------
0    wild hound    dog creature  5 years
1  wild ragdoll    cat creature   1 year

Dalam kode di atas transform_row(r)fungsi mengambil Seriesobjek yang mewakili baris tertentu (ditunjukkan oleh axis=1, nilai default axis=0akan menyediakan Seriesobjek untuk setiap kolom). Ini menyederhanakan pemrosesan karena kita dapat mengakses nilai 'primitif' aktual di baris menggunakan nama kolom dan memiliki visibilitas sel lain di baris / kolom tertentu.

Pertanyaan ini mungkin masih cukup sering dikunjungi sehingga ada baiknya menawarkan tambahan pada jawaban Mr Kassies. The dictbuilt-in kelas dapat sub-digolongkan sehingga default dikembalikan untuk kunci 'hilang'. Mekanisme ini bekerja dengan baik untuk panda. Tapi lihat di bawah.

Dengan cara ini dimungkinkan untuk menghindari kesalahan kunci.

>>> import pandas as pd
>>> data = { 'ID': [ 101, 201, 301, 401 ] }
>>> df = pd.DataFrame(data)
>>> class SurnameMap(dict):
...     def __missing__(self, key):
...         return ''
...     
>>> surnamemap = SurnameMap()
>>> surnamemap[101] = 'Mohanty'
>>> surnamemap[301] = 'Drake'
>>> df['Surname'] = df['ID'].apply(lambda x: surnamemap[x])
>>> df
    ID  Surname
0  101  Mohanty
1  201         
2  301    Drake
3  401         

Hal yang sama dapat dilakukan dengan lebih sederhana dengan cara berikut. Penggunaan argumen 'default' untuk getmetode objek dict membuatnya tidak perlu membuat subclass dict.

>>> import pandas as pd
>>> data = { 'ID': [ 101, 201, 301, 401 ] }
>>> df = pd.DataFrame(data)
>>> surnamemap = {}
>>> surnamemap[101] = 'Mohanty'
>>> surnamemap[301] = 'Drake'
>>> df['Surname'] = df['ID'].apply(lambda x: surnamemap.get(x, ''))
>>> df
    ID  Surname
0  101  Mohanty
1  201         
2  301    Drake
3  401