python - 如果计数小于 pandas 中的阈值，则填充默认值

Question

我有一个数据框:

import pandas as pd
import numpy as np

df = pd.DataFrame()
df['name'] = ['john','sam','john','john','dean','dean','maggi',
              'ram','maggi','ana','sam','sam']
df['pt'] = [23, 32, 45, 65, 65, 45, 32, 45, 90, 10, 32, 22]

如果名称在名称列中只出现一次，我想用其他名称替换名称。

所以我的输出是:

     name  pt
0    john  23
1     sam  32
2    john  45
3    john  65
4    dean  65
5    dean  45
6   maggi  32
7   other  45
8   maggi  90
9   other  10
10    sam  32
11    sam  22

在我的原始数据中，值以数百为单位，因此使用df.replace 或 map 不可行。

np.where 仅适用于二进制列。所以我被困在这里。

谢谢，

Answer 1

使用numpy.where与 duplicated选择所有唯一行或使用 transform使用 size 指定阈值的更通用的解决方案:

df['name'] = np.where(~df['name'].duplicated(keep=False), 'other', df['name'])

或者:

df['name'] = np.where(df.groupby('name')['name'].transform('size') == 1, 'other', df['name'])
print (df)
     name  pt
0    john  23
1     sam  32
2    john  45
3    john  65
4    dean  65
5    dean  45
6   maggi  32
7   other  45
8   maggi  90
9   other  10
10    sam  32
11    sam  22

另一种解决方案，感谢@Jon Clements:

df.name.where(df.groupby('name')['name'].transform('size') > 1, 'other', inplace=True)