python - 如何在 Pandas 数据帧的每一行中获取包含值的预定义等价类名称的列？

Question

# import package
import pandas as pd

问题
我有一个数据框:

data = {'row1': ['a', 'A', 'B', 'b'],
        'row2': ['a', 'b', 'c', 'd'],
        'row3': ['a', 'b', 'd', 'D']}
df = pd.DataFrame.from_dict(data, orient='index', columns=['col'+str(x) for x in range(4)])

看起来像:

我还有一个等价类列表。每个等价类由被视为等价的项目组成。

equivalenceClasses={'classA':['a','A'],
                    'classB':['b','B'],
                    'classC':['c','C'],
                    'classD':['d','D']}

我想创建一个数据帧，其中上述数据帧中的行被行中的字母所属的等价类的名称替换。 (每个等价类在一行中不应出现超过一次，并且我们应该使用 NaN 来填充并非所有列都由等价类名称填充的行)。即我想要这个输出:


我的方法
我通过以下方式实现目标:

def differentClasses(colvalues):
    return list(set([equivalenceClassName for colvalue in colvalues
                                          for equivalenceClassName, equivalenceClass in zip(equivalenceClasses.keys(),
                                                                                   equivalenceClasses.values())
                                          if colvalue in equivalenceClass]))

( On list comprehension , on nested list comprehension .)

df['classes'] = df.apply(lambda row : differentClasses(row['col'+str(x)] for x in range(4)), axis = 1) 

(受 this 影响。) df此时看起来像这样:

完成:

result_df = pd.DataFrame(df['classes'].tolist(),index=df.index,columns=['classcol'+str(x) for x in range(4)])

result_df是上面所需的输出。

问题
有没有更标准的方法来做到这一点？就像是:

df.equivalenceClassify(equivalenceClassList)

我得到我的输出？

Answer 1

我们需要根据您原来的 equivalenceClasses 创建新的字典，然后就做 replace

from collections import ChainMap
d = dict(ChainMap(*[dict.fromkeys(y,x) for x , y in equivalenceClasses.items()]))
df = df.replace(d)
Out[299]: 
        col0    col1    col2    col3
row1  classA  classA  classB  classB
row2  classA  classB  classC  classD
row3  classA  classB  classD  classD

然后

df = df.mask(df.apply(pd.Series.duplicated,1))
Out[307]: 
        col0    col1    col2    col3
row1  classA     NaN  classB     NaN
row2  classA  classB  classC  classD
row3  classA  classB  classD     NaN