基本Pandas数据分析:连接数据类型

Question

我加载了一个数据帧，其中有一个名为natvty的变量，它是50 - 600之间的数字的频率。每个数字代表一个国家，并且每个国家多次出现。我计算了每个国家出现在列表中的次数。现在我想用国家的名称替换国家的数字，例如(57 =美国)。我尝试了各种for循环，但都无济于事。到目前为止，这是我的代码。在值计数表中，国家/地区编号在左侧，它在数据中出现的次数在右侧。我需要将左边的数字替换为国家名称。与国家名称对应的数字显示在外部excel表格中，分两列显示。谢谢。

​

​

Answer 1

我认为一开始可能没有需要用国家名称来代替国家数字。由于您现在有两个表，一个包含列["country_number", "natvty"]，另一个(您的excel表，可以导出为.csv文件并由pandas读取)包含列["country_number", "country_name"]，因此您只需将这两个表连接起来并保留它们。结果表将有3列:分别为["country_number", "natvty", "country_name"]。

import pandas as pd

df_nav    = pd.read_csv("my_natvty.csv")
df_cnames = pd.read_csv("excel_country_names.csv") # or use pd.read_excel("country_names.xlsx") directly on excel files

df_nav_with_cnames = df_nav.join(df_cnames, on='country_number')

确保它们都有一个列"country_number"。您可以手动修改数据源文件中的表头，也可以将其视为index columns来类似地应用join。这个概念有点像关系数据库中的SQL操作。

文档：http://pandas.pydata.org/pandas-docs/stable/merging.html

Answer 2

对于这类事情，我总是更喜欢使用map函数，它需要一个字典，或者是一个函数。

import pandas as pd
import numpy.random as np
In [12]:

print 
# generate data
df = pd.DataFrame(data={'natvty':np.randint(low=20,high=500,size=10),
                        'country':pd.Series([1,2,3,3,3,2,1,1,2,3])})
df
   country  natvty
0        1      24
1        2     310
2        3      88
3        3     459
4        3      38
5        2      63
6        1     194
7        1     384
8        2     281
9        3     360

然后是dict。在这里我只需输入它，但您可以从csv或excel文件中加载它。然后，您需要将键设置为索引，并将结果序列转换为字典(to_dict())。

countrymap = {1:'US',2:'Canada',3:'Mexico'}

然后，您可以简单地map值标签。

df.country.map(countrymap)
Out[10]:
0        US
1    Canada
2    Mexico
3    Mexico
4    Mexico
5    Canada
6        US
7        US
8    Canada
9    Mexico
Name: country, dtype: objec

Answer 3

注意:这里的基本思想与相同。我只是想演示如何在两个数据框中处理不同的列名，以及如何检索您想要的每个国家的频率。

您有一个包含国家代码的数据框，以及另一个将国家代码映射到国家名称的数据框。您只需在国家/地区代码列中加入它们。您可以阅读有关merging in Pandas和SQL joins的更多信息。

import pandas as pd

# this is your nativity frame
nt = pd.DataFrame([
    [123],
    [123],
    [456],
    [789],
    [456],
    [456]
], columns=('natvty',))

# this is your country code map
# in reality, use pd.read_excel
cc = pd.DataFrame([
    [123, 'USA'],
    [456, 'Mexico'],
    [789, 'Canada']
], columns=('country_code', 'country_name'))

# perform a join
# now each row has an associated country_name
df = nt.merge(cc, left_on='natvty', right_on='country_code')

# now you can get frequencies on country names instead of country codes
print df.country_name.value_counts(sort=False)

上面的输出是

Canada    1
USA       2
Mexico    3
Name: country_name, dtype: int64