python - 如何在 Pandas DF 中将具有特定值的特定列设置为新值？

Question

我导入了一个 CSV 文件，其中包含 ID 和 Bee_type 两列。 bee_type 有两种类型 - 大黄蜂和蜜蜂。我正在尝试将它们转换为数字而不是名称；即，它不是大黄蜂，而是 1。

但是，我的代码将所有内容设置为 1。如何保持 ID 列的原始值并仅更改 bee_type 列？

# load the labels using pandas
labels = pd.read_csv("bees/train_labels.csv")

#Set bumble_bee to one
for index in range(len(labels)):
    labels[labels['bee_type'] == 'bumble_bee'] = 1

Answer 1

我相信你需要map如果仅存在 2 个可能的值，则通过字典:

labels['bee_type'] = labels['bee_type'].map({'bumble_bee': 1, 'honey_bee': 2})

另一个解决方案是使用 numpy.where - 按条件设置值:

labels['bee_type'] = np.where(labels['bee_type'] == 'bumble_bee', 1, 2)

您的代码可以工作，但为了提高性能，请稍微修改一下 - 删除循环并添加 loc:

labels.loc[labels['bee_type'] == 'bumble_bee'] = 1
print (labels)
   ID   bee_type
0   1          1
1   1  honey_bee
2   1          1
3   3  honey_bee
4   1          1

示例:

labels = pd.DataFrame({
    'bee_type': ['bumble_bee','honey_bee','bumble_bee','honey_bee','bumble_bee'],
    'ID': list(range(5))
})
print (labels)
   ID    bee_type
0   0  bumble_bee
1   1   honey_bee
2   2  bumble_bee
3   3   honey_bee
4   4  bumble_bee

labels['bee_type'] = labels['bee_type'].map({'bumble_bee': 1, 'honey_bee': 2})
print (labels)
   ID  bee_type
0   0         1
1   1         2
2   2         1
3   3         2
4   4         1