python - 使用可迭代设置时必须具有相等的 len 键和值

Question

我有两个数据框如下:

领导者:

0 11
1  8
2  5
3  9
4  8
5  6
[6065 rows x 2 columns]

数据集标签:

   0  1 ....  7  8    9   10   11   12  
0  A  J ....  1  2    5  NaN  NaN  NaN  
1  B  K ....  3  4  NaN  NaN  NaN  NaN
[4095 rows x 14 columns]

信息数据集列名 0 到 6 是关于数据的 DatasetLabel，7 到 12 是引用 leader Dataframe 第一列的索引。

我想创建数据集，而不是 DatasetLabel 数据帧中的索引，我从 leader 数据帧中获取每个索引的值，即 leader。 iloc[index,1].

我如何使用 python 功能来实现？

输出应该是这样的:

数据集标签:

   0  1 ....  7  8    9   10   11   12  
0  A  J ....  8  5    6  NaN  NaN  NaN  
1  B  K ....  9  8  NaN  NaN  NaN  NaN  

我想出了以下内容，但出现错误:

for column in DatasetLabel.ix[:, 8:13]:
    DatasetLabel[DatasetLabel[column].notnull()] = leader.iloc[DatasetLabel[DatasetLabel[column].notnull()][column].values, 1]

错误:

ValueError: Must have equal len keys and value when setting with an iterable

Answer 1

您可以使用 apply 索引到 leader 并与 DatasetLabel 交换值，尽管它不是很漂亮。

一个问题是 Pandas 不允许我们使用 NaN 进行索引。转换为 str 提供了一种解决方法。但这会产生第二个问题，即 9 列的类型是 float(因为 NaN 是 float)，所以 5 变成了 5.0。一旦它是一个字符串，就是 "5.0"，它将无法匹配 leader 中的索引值。我们可以删除 .0，然后这个解决方案就可以工作了 - 但它有点 hack。

使用 DatasetLabel 作为:

   Unnamed:0  0  1  7  8    9  10  11  12
0          0  A  J  1  2  5.0 NaN NaN NaN
1          1  B  K  3  4  NaN NaN NaN NaN

和 leader 作为:

   0   1
0  0  11
1  1   8
2  2   5
3  3   9
4  4   8
5  5   6

然后:

cols = ["7","8","9","10","11","12"]
updated = DatasetLabel[cols].apply(
    lambda x: leader.loc[x.astype(str).str.split(".").str[0], 1].values, axis=1)

updated
     7    8    9  10  11  12
0  8.0  5.0  6.0 NaN NaN NaN
1  9.0  8.0  NaN NaN NaN NaN

现在我们可以concat未修改的列(我们称之为original)和updated:

original_cols = DatasetLabel.columns[~DatasetLabel.columns.isin(cols)]
original = DatasetLabel[original_cols]
pd.concat([original, updated], axis=1)

输出:

   Unnamed:0  0  1    7    8    9  10  11  12
0          0  A  J  8.0  5.0  6.0 NaN NaN NaN
1          1  B  K  9.0  8.0  NaN NaN NaN NaN

注意:在这里使用 concat 可能会更清楚，但这是合并 original 和 updated 的另一种更简洁的方法，使用 分配:

DatasetLabel.assign(**updated)