Ich versuche, die Werte in einer Spalte eines Datenrahmens zu ersetzen. Die Spalte ('weiblich') enthält nur die Werte 'weiblich' und 'männlich'.

Ich habe folgendes versucht:

w['female']['female']='1'
w['female']['male']='0' 

Erhalten Sie jedoch genau die gleiche Kopie der vorherigen Ergebnisse.

Idealerweise möchte ich eine Ausgabe erhalten, die der folgenden Schleife elementweise ähnelt.

if w['female'] =='female':
    w['female'] = '1';
else:
    w['female'] = '0';

Ich habe die Gotchas-Dokumentation ( http://pandas.pydata.org/pandas-docs/stable/gotchas.html ) durchgesehen , kann aber nicht herausfinden, warum nichts passiert.

Jede Hilfe wird geschätzt.

Wenn ich richtig verstehe, möchten Sie so etwas:

w['female'] = w['female'].map({'female': 1, 'male': 0})

(Hier konvertiere ich die Werte in Zahlen anstelle von Zeichenfolgen, die Zahlen enthalten. Sie können sie in "1"und konvertieren "0", wenn Sie wirklich wollen, aber ich bin mir nicht sicher, warum Sie das wollen.)

Der Grund, warum Ihr Code nicht funktioniert, liegt darin, dass die Verwendung ['female']für eine Spalte (die zweite 'female'in Ihrer w['female']['female']) nicht "Zeilen auswählen, bei denen der Wert" weiblich "ist" bedeutet. Dies bedeutet, dass Sie Zeilen auswählen, in denen der Index "weiblich" ist, von denen möglicherweise keine in Ihrem DataFrame vorhanden sind.

Sie können eine Teilmenge eines Datenrahmens mit loc bearbeiten:

df.loc[<row selection>, <column selection>]

In diesem Fall:

w.loc[w.female != 'female', 'female'] = 0
w.loc[w.female == 'female', 'female'] = 1

w.female.replace(to_replace=dict(female=1, male=0), inplace=True)

Siehe pandas.DataFrame.replace () -Dokumente .

Leichte Variation:

w.female.replace(['male', 'female'], [1, 0], inplace=True)

Dies sollte auch funktionieren:

w.female[w.female == 'female'] = 1 
w.female[w.female == 'male']   = 0

Sie können auch applymit .getdh verwenden

w['female'] = w['female'].apply({'male':0, 'female':1}.get)::

w = pd.DataFrame({'female':['female','male','female']})
print(w)

Datenrahmen w:

   female
0  female
1    male
2  female

Verwenden applyzum Ersetzen von Werten aus dem Wörterbuch:

w['female'] = w['female'].apply({'male':0, 'female':1}.get)
print(w)

Ergebnis:

   female
0       1
1       0
2       1 

Hinweis: apply Mit Wörterbuch sollte verwendet werden, wenn alle möglichen Werte der Spalten im Datenrahmen im Wörterbuch definiert sind. Andernfalls ist es leer für diejenigen, die nicht im Wörterbuch definiert sind.

Das ist sehr kompakt:

w['female'][w['female'] == 'female']=1
w['female'][w['female'] == 'male']=0

Ein weiterer guter:

w['female'] = w['female'].replace(regex='female', value=1)
w['female'] = w['female'].replace(regex='male', value=0)

Alternativ gibt es die integrierte Funktion pd.get_dummies für diese Art von Zuweisungen:

w['female'] = pd.get_dummies(w['female'],drop_first = True)

Dies gibt Ihnen einen Datenrahmen mit zwei Spalten, eine für jeden Wert, der in w ['weiblich'] vorkommt, von dem Sie den ersten löschen (weil Sie ihn aus der verbleibenden ableiten können). Die neue Spalte wird automatisch als die Zeichenfolge benannt, die Sie ersetzt haben.

Dies ist besonders nützlich, wenn Sie kategoriale Variablen mit mehr als zwei möglichen Werten haben. Diese Funktion erstellt so viele Dummy-Variablen, wie zur Unterscheidung aller Fälle erforderlich sind. Achten Sie dann darauf, dass Sie nicht den gesamten Datenrahmen einer einzelnen Spalte zuweisen, sondern, wenn w ['weiblich'] 'männlich', 'weiblich' oder 'neutral' sein könnte, Folgendes tun:

w = pd.concat([w, pd.get_dummies(w['female'], drop_first = True)], axis = 1])
w.drop('female', axis = 1, inplace = True)

Dann bleiben Ihnen zwei neue Spalten, die Ihnen die Dummy-Codierung von 'weiblich' geben, und Sie haben die Spalte mit den Zeichenfolgen entfernt.

Verwenden Series.mapmitSeries.fillna

Wenn Ihre Spalte mehr Zeichenfolgen als nur femaleund enthält male, Series.mapschlägt dies in diesem Fall fehl, da NaNandere Werte zurückgegeben werden.

Deshalb müssen wir es verketten mit fillna:

Beispiel, warum .mapfehlschlägt :

df = pd.DataFrame({'female':['male', 'female', 'female', 'male', 'other', 'other']})

   female
0    male
1  female
2  female
3    male
4   other
5   other

df['female'].map({'female': '1', 'male': '0'})

0      0
1      1
2      1
3      0
4    NaN
5    NaN
Name: female, dtype: object

Für die richtige Methode verketten wir mapmit fillna, also füllen wir die NaNmit Werten aus der ursprünglichen Spalte:

df['female'].map({'female': '1', 'male': '0'}).fillna(df['female'])

0        0
1        1
2        1
3        0
4    other
5    other
Name: female, dtype: object

Es gibt auch eine pandasaufgerufene Funktion, mit factorizeder Sie diese Art von Arbeit automatisch ausführen können. Es konvertiert Beschriftungen in Zahlen : ['male', 'female', 'male'] -> [0, 1, 0]. Weitere Informationen finden Sie in dieser Antwort.

Ich denke, als Antwort sollte darauf hingewiesen werden, welchen Objekttyp Sie in allen oben vorgeschlagenen Methoden erhalten: Ist es Serie oder DataFrame?

Wenn Sie eine Spalte von w.female.oder erhalten w[[2]](wobei 2 die Nummer Ihrer Spalte ist), erhalten Sie DataFrame zurück. In diesem Fall können Sie also DataFrame-Methoden wie verwenden .replace.

Wenn Sie .locoder ilocSie Series zurück und Serie hat keine .replaceMethode, so dass Sie Methoden wie verwenden sollten apply, mapund so weiter.