我正在尝试获取一个包含有限集中重复值的 DataFrame 列，并用索引号替换这些值，因此如果值为 [200,20,1000,1]，则它们出现的索引将为 [1 ,2,3,4]。 实际数据示例为:
0 aaa
1 aaa
2 bbb
3 aaa
4 bbb
5 bbb
6 ccc
7 ddd
8 ccc
9 ddd
期望的输出是
0 1
1 1
2 2
3 1
4 2
5 2
6 4
7 3
8 4
9 3
我想更改对数字没有意义的值。仅此而已...我不关心索引的顺序，即 1 可以是 3 等等，只要顺序一致即可。也就是说，我不在乎 ['aaa','bbb','ccc','ddd']将由 [1,2,3,4] 索引或 [2,4,3,1] .
假设 DF 名称是 tbl，我只想更改列 'aaa' 中的一部分索引。让我们用 tbl_ind 表示这些索引。我想要这样做的方式是:
tmp_r = tbl[tbl_ind]
un_r_ind = np.unique(tmp_r)
for r_ind in range(len(un_r_ind)):
r_ind_ind = np.array(np.where(tmp_r == un_r_ind[r_ind])[0])
for j_ind in range(len(r_ind_ind)):
tbl['aaa'].iloc[tbl_ind[r_ind_ind[j_ind]]] = r_ind
它有效。而且它在大数据集上真的很慢。 Python 不允许更新 tbl['aaa'].iloc[tbl_ind[r_ind_ind]]因为它是索引列表.... 请帮助？怎么可能加快速度？ 非常感谢!
请您参考如下方法:
我会构造一个包含您要替换的值的字典，然后调用 map:
In [7]:
df
Out[7]:
data
0
1 aaa
2 bbb
3 aaa
4 bbb
5 bbb
6 ccc
7 ddd
8 ccc
9 ddd
In [8]:
d = {'aaa':1,'bbb':2,'ccc':3,'ddd':4}
df['data'] = df['data'].map(d)
df
Out[8]:
data
0
1 1
2 2
3 1
4 2
5 2
6 3
7 4
8 3
9 4
