在熊猫中重命名特定行

Question

我想将数据集的两个作业重命名为"pastry“。我创建了一个字典，其中包含了新的名称，并列出了前面的类别。

# dataframe for artificial dataframe
salary = [100, 200, 125, 400, 200]
job = ["pastry Commis ", "line cook", "pastry Commis", "pastry chef", "line cook"]
# New categories
cat_ac = {"pastry": ["pastry Commis", "pastry chef"]}

df_test = pd.DataFrame({"salary": salary, "job": job})

df_test.head()

然后

df_test.loc[df_test["job"].isin(cat_ac[list(cat_ac.keys())[0]]), "job"] = list(cat_ac.keys())[0]

df_test

在这个小数据集上，一切都很正常，但是当我对40k行数据做同样的实验时，所有对应于以下作业的行--“糕点Comis”和“糕点厨师”--都被删除了。或新类别的“糕点”

# We read the lines with the new category
df.loc[df["job"].isin(["pastry"]), "job"]
Out: Series([], Name: job, dtype: object)

# We read the lines with the previous categories
df.loc[df["job"].isin(cat_baking[list(cat_baking.keys())[0]]), "job"]
Out: Series([], Name: job, dtype: object)

知道有什么问题吗？

Answer 1

您可以使用：

df_test.job.replace({i:k for i in v for k, v in cat_ac.items()})

0    pastry Commis 
1         line cook
2            pastry
3            pastry
4         line cook

Note__：我认为您为第一张记录保留了一个空间，所以它没有替换它，因为您的工作解决方案也是这样做的，我们可以使用str.strip()来处理它们。

Answer 2

使用替换的dict替换使用regex模式：

for k, v in cat_ac.items():
    pat = '|'.join(v)
    df_test['job'] = df_test['job'].str.replace(pat, k, regex=True)

Answer 3

您也可以使用np.where

import numpy as np

df_test['job'] = np.where((df_test['job'].str.contains('pastry Commis')) | (df_test['job'].str.contains('pastry chef')), 'pastry', df_test['job'])