重新映射值并提供默认值

Question

我有一个表格需要将其映射到两个值在NY，CA本土的WT是外部的，除此之外，它必须是OVERSEAS

di = {"NY": "Domestic","CA": "Domestic","WT":"OUTSIDE"}

df.replace({'Territory': di})

如何在上述代码中使用“OVERSEAS”。因此，默认情况下它没有（字典中没有）OVERSEAS。

- user6882757

---

df['Territory'] = df['Territory'].map(di).fillna('OVERSEAS')，但它没有改变值。 - user6882757

你能提供一个简单的可以运行的 df 示例，并详细说明期望的输入/输出吗？ - Beny Gj

如果 jezrael 的解决方案不起作用，请检查 df 是否是另一个数据帧的切片。 - Quang Hoang

Answer 1

虽然 jezrael 的答案可行，但速度较慢，因为它必须先进行映射，然后返回并填充缺失的元素。如果我们利用 Python 的内置字典，可以显著提高性能。

有几种方法利用 Python 字典对象的灵活性来创建默认值。其中一种是在映射字典上使用get 方法，另一种是使用collections 中的 defaultdict 对象。如上所述，get 和 defaultdict 方法的优点是它们避免了在映射之后回头查找整个序列以替换 NAs，而是在映射步骤中完成它。

因此，简而言之，我建议：

df = pd.DataFrame({'Territory':['NY','CA','WT','SK','DE']})
di = {"NY": "Domestic","CA": "Domestic","WT":"OUTSIDE"}
df['Territory'] = df['Territory'].map(lambda x: di.get(x, 'OVERSEAS'))

此方法性能的一些时间数据如下：

df = pd.DataFrame({'Territory':['NY','CA','WT','SK','DE']})
di = {"NY": "Domestic","CA": "Domestic","WT":"OUTSIDE"}

%timeit df['Territory'].map(lambda x: di.get(x, 'OVERSEAS'))
>>> 138 µs ± 1.35 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

from collections import defaultdict
dd = defaultdict(lambda:'OVERSEAS')
dd.update(di)   
%timeit df['Territory'].map(di)
>>> 143 µs ± 2.17 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit df['Territory'] = df['Territory'].map(di).fillna('OVERSEAS')
>>> 657 µs ± 33.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

对于较大的字典，性能差异变得更加明显：

有趣的是，如果没有默认值，在 Pandas 中仅映射缺少项的字典似乎会很慢。

%timeit df['Territory'].map(di)
>>> 372 µs ± 11.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

- n8yoder

Answer 2

使用 Series.map 方法可以返回匹配不上的值的缺失值，因此可以使用 Series.fillna 方法将其替换为默认值：

df = pd.DataFrame({'Territory':['NY','CA','WT','SK','DE']})
di = {"NY": "Domestic","CA": "Domestic","WT":"OUTSIDE"}
print (df)
  Territory
0        NY
1        CA
2        WT
3        SK
4        DE

df['Territory'] = df['Territory'].map(di).fillna('OVERSEAS')
print (df)
  Territory
0  Domestic
1  Domestic
2   OUTSIDE
3  OVERSEAS
4  OVERSEAS

- jezrael

---

它没有改变，列的值仍然保持不变。 - user6882757