由列表索引的python数据框

Question

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!

Answer 1

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