python - 如何用数值替换分类值？

Question

在数据框中，所有值的类型均为 object例如:>20 , <1 , >5 ETC。上限 = 35和下限 = 0因此，如果列中的值为 <1然后我想通过取平均值来替换该值，即 (0(下限值)+ 1)/2 = 0.5

类似地，如果值为 >20然后我想用 (20+35(上限值))/2=27.5 替换该值

如何将现有数据框转换为所需的形式。注意: col1 中的值是字符串而不是数值。

现有数据框:

d = {'col1': ['>20', '<5', '<1','>10']}
df = pd.DataFrame(data=d)
df
      col1  
0     >20     
1     <5
2     <1
3     >10
4     100-200
5     10-20

我要转换上面df至:

      col1  
0     27.5     <--- (20+35)/2
1     2.5      <--- (5+0)/2
2     0.5      <--- (1+0)/2
3     22.5     <--- (10+35)/2
4     150      <--- (100+200)/2
5     15       <--- (10+20)/2

Answer 1

使用replace通过子字符串，然后 pandas.eval :

df['col2'] = pd.eval(df['col1'].replace(['>','<'], ['35+','0+'], regex=True)) / 2
print (df)
  col1  col2
0  >20  27.5
1   <5   2.5
2   <1   0.5
3  >10  22.5

编辑:

df['col2'] = pd.eval(df['col1'].replace(['>','<','-'], ['35+','0+','+'], regex=True)) / 2
print (df)
      col1  col2
0      >20  27.5
1       <5   2.5
2       <1   0.5
3      >10  22.5
4  100-200   150
5    10-20    15

编辑:

上面的问题解决方案仅适用于 100 行(请参阅 bug )，因此需要替代解决方案:

df = pd.read_csv('train_jqd04QH(1).csv', usecols=['experience', 'company_size'])


s1 = df['experience'].replace(['>','<', '-'], ['35+','0+', '+'], regex=True)

#added anothr repalce string, `\+$` is match last + like 1000+
s2 = df['company_size'].replace(['>','<', '-', '/', '\+$'], 
                                ['35+','0+', '+', '+', '+35'], regex=True)

df['experience'] = s1.str.split('+', expand=True).astype(float).mean(axis=1)
df['company_size'] = s2.str.split('+', expand=True).astype(float).mean(axis=1)

print (df.head())

   experience  company_size
0         3.0         300.0
1        14.0           5.0
2         6.0          74.5
3        14.0          74.5
4         8.0           NaN