如何将相似的值组合成单值数据帧？

Question

我有一个包含代码语言的数据框架。

数据帧头；

    repo_id language
0   2519612 JavaScript
1   1519634 C   
2   8534335 C++ 
3   6719676 LiveScript  
4   1519234 C#
5   3234554 Python
6   3234554 Julia
7   3234554 Elm
8   3234554 Gosu

我想把相似的语言组合成单一的语言。

例如,

"C、C++和C#“合并为"C”

LiveScript、JavaScript、..合并到"JavaScript“中

"Julia，Elm，Gosu“并入"Other”

"Python“保留为"Python”

期望输出为；

    repo_id language
0   2519612 JavaScript
1   1519634 C   
2   8534335 C   
3   6719676 JavaScript  
4   1519234 C
5   3234554 Python
6   3234554 Other
7   3234554 Other
8   3234554 Other

解决方案不佳；

df.loc[df['language'] == 'C++', 'language'] = 'C'
df.loc[df['language'] == 'C#', 'language'] = 'C'

我不想单独更改标签，如何才能更轻松？

Answer 1

这可能会对您有所帮助:使用带有lambda函数的应用函数检查语言，然后按如下方式更新language列

   df['language'] = df['language'].apply(lambda x: 'C' if x in ['C', 'C#', 'C++'] else 'JavaScript')

期望的输出为：

        repo_id     language
0   2519670     JavaScript
1   2519670     C
2   2519670     C
3   2519670     JavaScript
4   2519670     C

按如下所示修改函数

dic = {'repo_id':[2519670, 2519670,2519670, 2519670, 2519670, 2519670, 2519670,2519670, 2519670, 2519670], 
       'language':['JavaScript', "C++", "C", 'LiveScript', 'C#', 'Python', 'Julia', 'Elm', 'Gosu', 'Python'] }

df = pd.DataFrame(dic)
    repo_id     language
0   2519670     JavaScript
1   2519670     C++
2   2519670     C
3   2519670     LiveScript
4   2519670     C#
5   2519670     Python
6   2519670     Julia
7   2519670     Elm
8   2519670     Gosu

然后应用以下函数：

df['language'] = df['language'].apply(lambda x: 'C' if x in ['C', 'C#', 'C++'] else ('JavaScript' if x in ['JavaScript', 'LiveScript'] else ('Python' if x in ['Python'] else 'Other')))
df

期望输出

repo_id     language
0   2519670     JavaScript
1   2519670     C
2   2519670     C
3   2519670     JavaScript
4   2519670     C
5   2519670     Python
6   2519670     Other
7   2519670     Other
8   2519670     Other
9   2519670     Python