国家数据：根据 pandas 中的字典重命名国家

Question

嘿！

我正在从事国家统计的一些数据分析。我现在使用来自不同来源的数据，很快就会看到，有时国家/地区的称呼不同：虽然世界银行称之为 "United Kingdom and Northern Ireland"，但 WHO 可能简称为 "United Kingdom"，意思是相同的政治构造（我知道英格兰、苏格兰和威尔士是 "countries" 而不是真正的英国）。

我创建了一个字典，其中我将大部分不同的名称标准化为世界银行数据。这在列表中就像一个魅力，但我需要它在我从 pd.read_csv 获得的 pandas DataFrame 中。例如：如果我有一本很短的字典

dict = {'US': 'USA'}

如何在我的数据框中转换它（将 df.country 中的列设置为 dict.key 值）？

在示例中显示：

ID  country   val
1   US        some values

至：

ID  country  val
1   USA      some values

对于我的列表转换，我使用了以下结构，其中 listB 是输入和输出列表：

for key in dict:
    listB = [w.replace(key, dict[key]) for w in listB]

有什么建议可以最轻松地做到这一点吗？任何帮助都会很棒！

P.S：另外，有没有人知道如何生成 ISO 3166-1 alpha-3 代码（例如德国 = GER、瑞典 = SWE 等等？）。这可能是上述问题的延伸。

Answer 1

使用replace:

df['country'] = df['country'].replace(dic)

并且对于 ISO 3166-1 alpha-3 检查 answers。

我认为最简单的是从 here 下载它。

如果想要从 wikipedia 解析代码是可能的，请使用 this 解决方案或在 python 3 中为 DataFrame 重写：

from bs4 import BeautifulSoup
import requests

url = "http://en.wikipedia.org/wiki/ISO_3166-1"
r = requests.get(url)
soup = BeautifulSoup(r.content, "lxml")

t = soup.findAll('table', {'class' : 'wikitable sortable'})[1]
L = []
cs = [th.findAll(text=True)[0] for th in t.findAll('th')]

for row in t.findAll("tr")[1:]:
    tds = row.findAll('td')
    raw_cols = [td.findAll(text=True) for td in tds]
    cols = []
    # country field contains differing numbers of elements, due to the flag -- 
    # only take the name
    cols.append(raw_cols[0][-1:][0])
    # for all other columns, use the first result text
    cols.extend([col[0] for col in raw_cols[1:]])
    L.append(cols)

df = pd.DataFrame(L, columns=cs)

print (df.head())
  English short name (upper/lower case) Alpha-2 code Alpha-3 code  \
0                           Afghanistan           AF          AFG   
1                         Åland Islands           AX          ALA   
2                               Albania           AL          ALB   
3                               Algeria           DZ          DZA   
4                        American Samoa           AS          ASM   

  Numeric code       Link to  Independent  
0          004  ISO 3166-2:AF         Yes  
1          248  ISO 3166-2:AX          No  
2          008  ISO 3166-2:AL         Yes  
3          012  ISO 3166-2:DZ         Yes  
4          016  ISO 3166-2:AS          No

Answer 2

您可以使用函数 clean_country() from the library DataPrep 将国家/地区名称列转换为 ISO 3166-1 alpha-3 代码。使用 pip install dataprep.

安装 DataPrep

from dataprep.clean import clean_country
df = pd.DataFrame({"country": ["Germany", "Sweden", "US"]})

df2 = clean_country(df, "country", output_format="alpha-3")
df2
   country country_clean
0  Germany           DEU
1   Sweden           SWE
2       US           USA

国家数据：根据 pandas 中的字典重命名国家

Country Data: Renaming countries according to dict in pandas

python

naming

dataframe

pandas