使用Pandas替换数据框列中的特定值

Question

我有一个名为 "Num_of_employees" 的列的数据框 df，其中包含像 50-100、200-500 等值。我在我的数据中发现了一些问题。在员工数量应该是 1-10 的地方，数据以 10-Jan 的形式出现。同样，在应该是 11-50 的数值处，数据以 Nov-50 的形式呈现。如何使用 pandas 纠正这个问题？

- ComplexData

Answer 1

这种“查找和替换”的干净语法使用字典，例如

df.Num_of_employees = df.Num_of_employees.replace({"10-Jan": "1-10",
                                                   "Nov-50": "11-50"})

- maxymoo

---

如果你有一个大型数据集，手动使用替换可能是不可能的。 - Joe T. Boka

@JoeR 对的！我有没有办法可以在大数据上实现？ - ComplexData

我在超过一亿行数据上运行了这个程序，仅用了几秒钟就完成了。在我看来，这就是你的解决方案。 - piRSquared

@user6461192 是的。类型不能太多。你可以使用 df.Num_of_employees.unique() 或 df.Num_of_employees.value_counts() 找到它们所有。创建一个包含所有有问题条目及其对应更正的字典。 - piRSquared

你可能没有将结果分配回列。df.Num_of_employees.replace({'10-Jan': '1-10', 'Nov-50': '11-50'})会显示结果，但你必须使用df.Num_of_employees = df.Num_of_employees.replace({'10-Jan': '1-10', 'Nov-50': '11-50'})来捕获它们。在写入文件之前，你可以使用print(df.to_csv())进行检查。 - piRSquared