Python DataFrame：使用字典替换值，如果字典中不存在则转换为NaN

Question

我知道如何使用字典替换列值，但我想将所有不在我的字典中的值转换为NaN或其他值。我得到了这个：

Dictionary is:
{'apple': 1, 'peach': 6, 'watermelon': 4, 'grapes': 5, 'orange': 2, 
'banana': 3}

DataFrame is: 
fruit_tag
apple
orange
banana
watermelon
red
blue

I use: 
df["fruit_tag"].replace(dict, inplace=True)
print(df)

I get:
fruit_tag
1
2
3
4
red
blue

What I want to get:
fruit_tag
1
2
3
4
NaN
NaN

- s900n

Answer 1

使用 map 方法：

d = {'apple': 1, 'peach': 6, 'watermelon': 4, 'grapes': 5, 'orange': 2,'banana': 3}

df["fruit_tag"] = df["fruit_tag"].map(d)
print (df)
   fruit_tag
0        1.0
1        2.0
2        3.0
3        4.0
4        NaN
5        NaN

- jezrael

---

map和replace有什么区别？ - Indrajeet Gour

如果使用 map 函数进行翻译，当某些分类数据缺失时，结果会返回 NaN 值。而如果使用 replace 函数，则分类数据仍会保留原值，就像最后两行示例中的情况一样。 - jezrael