如何使用字典重新映射 Pandas 列值，同时保留 NaN 值？

使用字典重新映射 Pandas 列中的值，同时保留 NaN

在处理数据帧的上下文中，通常需要更改基于定义的映射的特定列。考虑这样一个场景，您有一个包含预定义值翻译的字典，例如 di = {1: "A", 2: "B"}，并且您希望将这些映射应用到名为 col1 的 pandas 列。目标是相应地修改 col1 中的值，同时保持 NaN 值不变。

实现此转换的一种高效方法是利用 pandas 的 .replace 方法。该方法允许用指定的目标值替换特定值或范围。以下是实现它的方法：

import pandas as pd
import numpy as np

# Example DataFrame
df = pd.DataFrame({'col2': {0: 'a', 1: 2, 2: np.nan}, 'col1': {0: 'w', 1: 1, 2: 2}})

# Mapping dictionary
di = {1: "A", 2: "B"}

# Apply value remapping using .replace
df.replace({"col1": di}, inplace=True)

# Output DataFrame with remapped values while preserving NaN
print(df)

在此示例中，.replace 方法采用字典作为参数，其中键表示 col1 中的原始值，值表示所需的重新映射值。通过将 inplace 参数设置为 True，可以直接修改原始数据帧，从而无需重新分配。

或者，如果您希望将转换专门应用于 col1 系列，则可以使用以下语法：

df["col1"].replace(di, inplace=True)

此方法可确保 NaN 值不受影响，因为 NaN 不是映射字典中的键。

以上是如何使用字典重新映射 Pandas 列值，同时保留 NaN 值？的详细内容。更多信息请关注PHP中文网其他相关文章！