Tenho um dicionário que se parece com este: `di = {1: "A", 2: "B"}``
Gostaria de o aplicar ao "col1" coluna de um dataframe semelhante ao ":
col1 col2
0 w a
1 1 2
2 2 NaN
para obter:
col1 col2
0 w a
1 A 2
2 B NaN
Como posso fazer isto da melhor forma? Por alguma razão, o googling de termos relacionados com isto apenas me mostra links sobre como fazer colunas de pictos e vice-versa :-/
Pode utilizar .substituir
. Por exemplo:
>>> df = pd.DataFrame({'col2': {0: 'a', 1: 2, 2: np.nan}, 'col1': {0: 'w', 1: 1, 2: 2}})
>>> di = {1: "A", 2: "B"}
>>> df
col1 col2
0 w a
1 1 2
2 2 NaN
>>> df.replace({"col1": di})
col1 col2
0 w a
1 A 2
2 B NaN
ou directamente na Série, ou seja, df["col1"].replace(di, inplace=True)
.
mapa
pode ser muito mais rápido do que substituir
Se o seu dicionário tiver mais do que um par de chaves, utilizar "mapa" pode ser muito mais rápido do que "substituir". Existem duas versões desta abordagem, dependendo se o seu dicionário mapeia exaustivamente todos os valores possíveis (e também se pretende que os valores não correspondentes sejam mantidos ou convertidos para NaNs):
Neste caso, o formulário é muito simples:
df['col1'].map(di) # note: if the dictionary does not exhaustively map all
# entries then non-matched entries are changed to NaNs
Embora o "mapa" tome mais frequentemente uma função como argumento, pode alternativamente tomar um dicionário ou uma série de dicionários: Documentação para Pandas.series.map
Se tiver um mapeamento não exaustivo e desejar reter as variáveis existentes para não correspondências, pode adicionar fillna
:
df['col1'].map(di).fillna(df['col1'])
como em @jpp's resposta aqui: https://stackoverflow.com/questions/49259580/replace-values-in-a-pandas-series-via-dictionary-efficiently
Utilizando os seguintes dados com pandas versão 0.23.1:
di = {1: "A", 2: "B", 3: "C", 4: "D", 5: "E", 6: "F", 7: "G", 8: "H" }
df = pd.DataFrame({ 'col1': np.random.choice( range(1,9), 100000 ) })
e testes com "%timeit", parece que "mapa" é aproximadamente 10x mais rápido do que "substituir".
Note que a sua velocidade com "mapa" variará com os seus dados. A maior velocidade parece ser com grandes dicionários e substitutos exaustivos. Ver resposta @jpp (ligada acima) para referências e discussão mais extensiva.
Há um pouco de ambiguidade na sua pergunta. Há pelo menos três duas interpretações:
di' referem-se a
df['col1']`valoresAbaixo está uma solução para cada caso.
Caso 1:
Se as chaves de di
se destinarem a referir-se a valores de índice, então poderá utilizar o método update
:
df['col1'].update(pd.Series(di))
Por exemplo,
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
# col1 col2
# 1 w a
# 2 10 30
# 0 20 NaN
di = {0: "A", 2: "B"}
# The value at the 0-index is mapped to 'A', the value at the 2-index is mapped to 'B'
df['col1'].update(pd.Series(di))
print(df)
rendimentos
col1 col2
1 w a
2 B 30
0 A NaN
I'modifiquei os valores do seu post original para que fique mais claro o que a actualização
está a fazer.
Note como as chaves em di
estão associadas aos valores do índice. A ordem dos valores do índice -- ou seja, o índice localizações -- não importa.
Caso 2:
Se as chaves em di' se referirem a
df['col1']valores, então @DanAllan e @DSM mostram como conseguir isto com
replace`:
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
print(df)
# col1 col2
# 1 w a
# 2 10 30
# 0 20 NaN
di = {10: "A", 20: "B"}
# The values 10 and 20 are replaced by 'A' and 'B'
df['col1'].replace(di, inplace=True)
print(df)
rendimentos
col1 col2
1 w a
2 A 30
0 B NaN
Note como, neste caso, as chaves em di
foram alteradas para corresponder a valores em `df['col1']``.
Caso 3:
Se as teclas em di
se referirem a locais de índice, então poderá utilizar
df['col1'].put(di.keys(), di.values())
desde
df = pd.DataFrame({'col1':['w', 10, 20],
'col2': ['a', 30, np.nan]},
index=[1,2,0])
di = {0: "A", 2: "B"}
# The values at the 0 and 2 index locations are replaced by 'A' and 'B'
df['col1'].put(di.keys(), di.values())
print(df)
rendimentos
col1 col2
1 A a
2 10 30
0 B NaN
Aqui, a primeira e terceira filas foram alteradas, porque as chaves em di
são 0
e 2
, que com Python's 0 baseado na indexação se referem à primeira e terceira localizações.