Skip to main content
 首页 » 编程设计

python之使用来自另一列的子字符串创建字典键

2025年01月19日23hnrainll

我有一个数据框,其中有一列包含纽约市行政区的名称(曼哈顿、布鲁克林等)。我想创建另一列“borough_num”,为每个行政区分配一个数字(曼哈顿 -> 1,布鲁克林 -> 2,皇后区 -> 3,史坦顿岛 -> 4,布朗克斯 -> 5,其他 -> 0) .

但是,在“自治市镇”列中,某些行在自治市镇名称前面包含数字(例如,我用“07 Bronx”代替“Bronx”)。因为这个“07 Bronx”仍然是布朗克斯区的一部分,所以它也应该被赋予与“布朗克斯”相同的值“5”。因此,我需要创建一个字典,将数字 5 分配给一个包含单词“Bronx”的字符串。每个自治市镇都一样。关于如何做到这一点的任何线索?我是 Python 新手!

这是我在注意到带有数字的单元格之前所拥有的:

df['Borough'] = df['Borough'].fillna('OTHER') 
borough_dict = {'MANHATTAN':1, 'BROOKLYN':2, 'QUEENS': 3, 'STATEN ISLAND': 4, 'BRONX': 5, 'OTHER':6} 
df['borough_num'] = df['Borough'].apply(lambda x:0 if borough_dict.get(x) == None else borough_dict.get(x)) 

请您参考如下方法:

由于要为一小组行政区名称分配整数代码,因此将其作为一系列明确的逻辑索引分配来完成是完全可以接受的,例如下面的一些示例数据。

具体来说,在这种情况下没有必要尝试将行政区到代码的映射封装到 dict 中。或辅助功能或任何爱好者 apply或 map对 DataFrame 的操作。

只是一组 5 个无聊、直接的逻辑作业。

In [13]: df = pandas.DataFrame({ 
    'Borough': ["Manhattan", "Brooklyn", "Bronx", "07 Bronx",  
                "109 Staten Island", "03 Brooklyn", "04 Queens"],  
    'Value':[1, 2, 3, 4, 5, 6, 7] 
}) 
 
In [14]: df 
Out[14]: 
             Borough  Value 
0          Manhattan      1 
1           Brooklyn      2 
2              Bronx      3 
3           07 Bronx      4 
4  109 Staten Island      5 
5        03 Brooklyn      6 
6          04 Queens      7 
 
In [15]: df['Borough_num'] = 6  # everything defaults to the 'other' case 
 
In [16]: df.loc[df.Borough.str.contains("Manhattan"), 'Borough_num'] = 1 
 
In [17]: df.loc[df.Borough.str.contains("Brooklyn"), 'Borough_num'] = 2 
 
In [18]: df.loc[df.Borough.str.contains("Queens"), 'Borough_num'] = 3 
 
In [19]: df.loc[df.Borough.str.contains("Staten Island"), 'Borough_num'] = 4 
 
In [20]: df.loc[df.Borough.str.contains("Bronx"), 'Borough_num'] = 5 
 
In [21]: df 
Out[21]:  
             Borough  Value  Borough_num 
0          Manhattan      1            1 
1           Brooklyn      2            2 
2              Bronx      3            5 
3           07 Bronx      4            5 
4  109 Staten Island      5            4 
5        03 Brooklyn      6            2 
6          04 Queens      7            3 

如果你出于任何原因想要封装自治市镇到代码的映射,你可以使用简单的 dict 来实现。接着是一个循环:

In [30]: borough_code = {'Manhattan': 1, 'Brooklyn': 2, 'Queens': 3, 
                         'Staten Island': 4, 'Bronx': 5} 
 
In [31]: for borough, code in borough_code.items(): 
    ...:     df.loc[df.Borough.str.contains(borough), 'Borough_num'] = code 

除非DataFrame很大,否则str.contains的重复向量化计算与跨列映射函数没有区别,但更容易理解。