从使用大 pandas 系列的字典中选择 [英] Select from dictionary using pandas series

问题描述

我有一本字典

type_dict = {3: 'foo', 4:'bar',5:'foobar', 6:'foobarbar'}

和一个包含以下列的数据框：

and a data frame with the following column:

>>> df.type
0     3
1     4
2     5
3     6
4     3
5     4
6     5
7     6
8     3

我想创建一个包含相应的 type_dict 的价值，但以下是我唯一可以提出的，但不起作用：

I want to create a new column containing the corresponding type_dict value, but the following was the only thing I could come up and was not working:

type_dict[df.type]
TypeError: 'Series' objects are mutable, thus they cannot be hashed
type_dict[df.type.values]
TypeError: unhashable type: 'numpy.ndarray'

我真的需要申请并且遍历每一行，还是有更有效的替代方法？

Do I really need to apply and iterate through each row, or is there a more efficient alternative?

推荐答案

您可以使用 map here： / p>

You could use map here:

>>> df['type'].map(type_dict)
0          foo
1          bar
2       foobar
3    foobarbar
4          foo
5          bar
6       foobar
7    foobarbar
8          foo
Name: type, dtype: object

map 可以使用字典，系列或函数，并返回带有映射值的新系列。它也非常有效地实现（例如比应用更多）。

map can take a dictionary, Series or function and return a new Series with the mapped values. It is also very efficiently implemented (much more so than apply, for example).

这篇关于从使用大 pandas 系列的字典中选择的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！