代码之家 › 专栏 › 技术社区 › stone rock

如何用数值替换分类值?

pandas python

stone rock · 技术社区 · 6 年前

在dataframe中,所有值都是 object 如: >20 , <1 , >5 等。上界= 35 和下颚= 0 所以如果列中的值是 <一 然后我想用平均值替换这个值,即(0(lowerbound值)+1)/2=0.5

如果值为 >20个 然后我想用(20+35(上限值))/2=27.5替换这个值

如何将现有的数据文件转换为所需的窗体。注:中的值 col1 是字符串而不是数值。

现有数据文件:

d = {'col1': ['>20', '<5', '<1','>10']}
df = pd.DataFrame(data=d)
df
      col1  
0     >20     
1     <5
2     <1
3     >10
4     100-200
5     10-20

我想在上面转换 df 致:

      col1  
0     27.5     <--- (20+35)/2
1     2.5      <--- (5+0)/2
2     0.5      <--- (1+0)/2
3     22.5     <--- (10+35)/2
4     150      <--- (100+200)/2
5     15       <--- (10+20)/2

2 回复 | 直到 6 年前

jezrael 6 年前

使用 replace 通过子串然后 pandas.eval 以下内容:

df['col2'] = pd.eval(df['col1'].replace(['>','<'], ['35+','0+'], regex=True)) / 2
print (df)
  col1  col2
0  >20  27.5
1   <5   2.5
2   <1   0.5
3  >10  22.5

编辑:

df['col2'] = pd.eval(df['col1'].replace(['>','<','-'], ['35+','0+','+'], regex=True)) / 2
print (df)
      col1  col2
0      >20  27.5
1       <5   2.5
2       <1   0.5
3      >10  22.5
4  100-200   150
5    10-20    15

编辑:

上面的probl解决方案是它只能工作到100行吗(参见 bug ,因此需要其他解决方案:

df = pd.read_csv('train_jqd04QH(1).csv', usecols=['experience', 'company_size'])


s1 = df['experience'].replace(['>','<', '-'], ['35+','0+', '+'], regex=True)

#added anothr repalce string, `\+$` is match last + like 1000+
s2 = df['company_size'].replace(['>','<', '-', '/', '\+$'], 
                                ['35+','0+', '+', '+', '+35'], regex=True)

df['experience'] = s1.str.split('+', expand=True).astype(float).mean(axis=1)
df['company_size'] = s2.str.split('+', expand=True).astype(float).mean(axis=1)

print (df.head())

   experience  company_size
0         3.0         300.0
1        14.0           5.0
2         6.0          74.5
3        14.0          74.5
4         8.0           NaN

westr 6 年前

你可以用 pd.DataFrame.replace 为了这个。

df.replace({'>20':27.5, '<5':2.5, '<1':0.5, '>10':22.5})

虽然我觉得你想填写的值计算得不好。范围是否不如下:

20 - 35 --> 27.5
10 - 20 --> 15
1  -  5 --> 3
0  -  1 --> 0.5

推荐文章

Mainland · Python数据帧规范化值错误:列的长度必须与键相同

1 年前

user026 · 如何根据特定窗口的平均值(行数)创建新列?

1 年前

rpn · 如何在列[1]中连续第二次出现“0”时返回列[0]的值

1 年前

asmgx · 为什么合并数据帧不能按照python中的预期方式工作

1 年前

Gtoth · 如何分割Pandas DataFrame中包含多个日期的两个时间戳之间的差异

1 年前

Domarius · 使用loc为多行设置多列值

1 年前

Swastik Bhattacharyya · 如何在同一类别类型的多列上运行get_dummies()函数?

1 年前

DrZoidberg09 · 如何在字典列表中创建一个新关键字,该关键字是另一个关键字的总和?

1 年前

armstrong3701 · 如何有效地处理熊猫数据框中缺失的数据并计算条件统计?

1 年前

msts1906 · 大熊猫向乳胶的适当多品种出口

1 年前