代码之家 › 专栏 › 技术社区 › Pumpkin C

我如何才能实现NP.Where(df[varaible]in['value1','value2'])

categorical-data series numpy pandas python

Pumpkin C · 技术社区 · 5 年前

嗨,我想把一个分类变量的值改为 other 在这种情况下 ['value1','value2']

这是我的代码:

random_sample['NAME_INCOME_TYPE_ind'] = np.where(random_sample['NAME_INCOME_TYPE'] in ['Maternity leave', 'Student']), 'Other')

我试着加 .any() 在这行代码的不同位置,但它仍然不能解决错误。值错误:序列的真值不明确。使用a.empty、a.bool()、a.item()、a.any()或a.all()。

2 回复 | 直到 5 年前

yatu Sayali Sonawane 5 年前

你可以使用 str.contains 检查条件是否满足:

l = ('|').join(['Maternity leave', 'Student'])
m = random_sample['NAME_INCOME_TYPE'].str.contains(l)

你也可以生成 m 使用 .isin :

random_sample['NAME_INCOME_TYPE'].isin(['Maternity leave', 'Student'])

然后使用 np.where . 但是,请注意,不能只指定两个值中的一个,根据条件从中进行选择,必须同时指定这两个值 x 和 y . 对于你的案件,你可以使用 df['NAME_INCOME_TYPE'] 和 other 作为 X 和 Y :

random_sample['NAME_INCOME_TYPE_ind'] = np.where(m, 
                                                'Other',
                                                random_sample['NAME_INCOME_TYPE'])

对示例数据帧进行测试:

df = pd.DataFrame({'NAME_INCOME_TYPE':['word1','word2','Student']})

l = ('|').join(['Maternity leave', 'Student'])
m = random_sample['NAME_INCOME_TYPE'].str.contains(l)
df['NAME_INCOME_TYPE_ind'] = np.where(m, 'Other', df['NAME_INCOME_TYPE'])

       NAME_INCOME_TYPE NAME_INCOME_TYPE_ind
0            word1                word1
1            word2                word2
2          Student                Other

jpp 5 年前

使用 Categorical Data 对于分类变量

当处理分类词时,你可以 替换类别 用另一个而不是替换字符串。这对内存和性能都有好处,因为熊猫在内部使用分类数据的因子分解。

df = pd.DataFrame({'NAME_INCOME_TYPE': ['Employed', 'Maternity leave',
                                        'Benefits', 'Student']})

# turn object series to categorical
label_col = 'NAME_INCOME_TYPE'
df[label_col] = df[label_col].astype('category')

# define others
others = ['Maternity leave', 'Student']
others_label = 'Other'

# add new category and replace existing categories
df[label_col] = df[label_col].cat.add_categories([others_label])
df[label_col] = df[label_col].replace(others, others_label)

print(df)

  NAME_INCOME_TYPE
0         Employed
1            Other
2         Benefits
3            Other

您还可以使用方法链接更简洁地编写此内容:

# define others
others, others_label = ['Maternity leave', 'Student'], 'Other'

# turn to categorical, add category, then replace
df['NAME_INCOME_TYPE'] = df['NAME_INCOME_TYPE'].astype('category')\
                                               .cat.add_categories([others_label])\
                                               .replace(others, others_label)