python - 用另一个数据框中的值替换数据框中的值 - 正则表达式

Question

我有如下所示的输入数据。这里“性别”和“ethderived”是两列。我想用分类值替换它们的值，如 1、2、3 等。 Ex - 1男，2女

映射文件如下所示 - 示例 2 列

输入数据如下图所示

我希望我的输出数据框看起来像这样

我尝试使用下面的代码来做到这一点。尽管代码工作正常，但我没有看到任何替换发生。你能帮我解决这个问题吗？

mapp = pd.read_csv('file2.csv')
data = pd.read_csv('file1.csv')
for col in mapp:
    if col in data.columns:
        print(col)
        s = list(mapp.loc[(mapp[col].str.contains('^\d')==True)].index)
        print("s is",s)
        for i in s:
           print("i is",i)
            try:
               value = mapp[col][i].split('. ')
               print("value 0 is",value[0])
               print("value 1 is",value[1])
               if value[0] in data[col].values:
               data.replace({col:{value[0]:value[1]}})
            except:
                print("column not present")
   else:
       print("No")

请注意，我只显示了两列，但实时显示可能超过 600 列。任何使它变得简单的优雅方法/建议都是有帮助的。由于我有两个单独的 csv 文件，任何关于合并/加入等的建议也会有所帮助，但请注意我的映射文件包含值“1.男性”、“2.女性”。因此我使用了正则表达式

另请注意，其他几个列值也可以具有以 1 开头的映射值。例如:1. 单例，2. 已婚，3. 离婚等

期待您的帮助

Answer 1

使用DataFrame.replace使用嵌套字典 - 第一个键定义替换的列名和由函数 Series.str.extract 创建的替换的另一个值:

df = pd.DataFrame({'Gender':['1.Male','2.Female', np.nan],
                   'Ethnicity':['1.Chinese','2.Indian','3.Malay']})
print (df)
     Gender  Ethnicity
0    1.Male  1.Chinese
1  2.Female   2.Indian
2       NaN    3.Malay

d={x:df[x].str.extract(r'(\d+)\.(.+)').dropna().set_index(0)[1].to_dict() for x in df.columns}
print (d)
{'Gender': {'1': 'Male', '2': 'Female'}, 
 'Ethnicity': {'1': 'Chinese', '2': 'Indian', '3': 'Malay'}}

df1 = pd.DataFrame({'Gender':[2,1,2,1],
                   'Ethnicity':[1,2,3,1]})
print (df1)
   Gender  Ethnicity
0       2          1
1       1          2
2       2          3
3       1          1

#convert to strings before replace
df2 = df1.astype(str).replace(d)
print (df2)
   Gender Ethnicity
0  Female   Chinese
1    Male    Indian
2  Female     Malay
3    Male   Chinese