我怎样才能实现类似 np.where(df[variable] in ['value1','value2'])

Question

您好，我想在 ['value1','value2']

等条件下将一个分类变量的值更改为 other

这是我的代码：

random_sample['NAME_INCOME_TYPE_ind'] = np.where(random_sample['NAME_INCOME_TYPE'] in ['Maternity leave', 'Student']), 'Other')

我尝试在这行代码的不同位置添加.any()，但仍然没有解决错误。 ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

Answer 1

您可以使用str.contains来检查满足条件的地方：

l = ('|').join(['Maternity leave', 'Student'])
m = random_sample['NAME_INCOME_TYPE'].str.contains(l)

您还可以使用 .isin:

生成 m

random_sample['NAME_INCOME_TYPE'].isin(['Maternity leave', 'Student'])

然后使用np.where。但是请注意，您不能只指定两个值中的一个来根据条件进行选择，您必须同时指定 x 和 y。对于您的情况，您可以使用 df['NAME_INCOME_TYPE'] 和 other 作为 x 和 y:

random_sample['NAME_INCOME_TYPE_ind'] = np.where(m, 
                                                'Other',
                                                random_sample['NAME_INCOME_TYPE'])

在示例数据帧上进行测试：

df = pd.DataFrame({'NAME_INCOME_TYPE':['word1','word2','Student']})

l = ('|').join(['Maternity leave', 'Student'])
m = random_sample['NAME_INCOME_TYPE'].str.contains(l)
df['NAME_INCOME_TYPE_ind'] = np.where(m, 'Other', df['NAME_INCOME_TYPE'])

       NAME_INCOME_TYPE NAME_INCOME_TYPE_ind
0            word1                word1
1            word2                word2
2          Student                Other

Answer 2

对分类变量使用Categorical Data

在处理分类时，您可以将类别 替换为另一个而不是替换字符串。这具有内存和性能优势，因为内部 Pandas 对分类数据使用因式分解。

df = pd.DataFrame({'NAME_INCOME_TYPE': ['Employed', 'Maternity leave',
                                        'Benefits', 'Student']})

# turn object series to categorical
label_col = 'NAME_INCOME_TYPE'
df[label_col] = df[label_col].astype('category')

# define others
others = ['Maternity leave', 'Student']
others_label = 'Other'

# add new category and replace existing categories
df[label_col] = df[label_col].cat.add_categories([others_label])
df[label_col] = df[label_col].replace(others, others_label)

print(df)

  NAME_INCOME_TYPE
0         Employed
1            Other
2         Benefits
3            Other

您还可以使用方法链接更简洁地编写此代码：

# define others
others, others_label = ['Maternity leave', 'Student'], 'Other'

# turn to categorical, add category, then replace
df['NAME_INCOME_TYPE'] = df['NAME_INCOME_TYPE'].astype('category')\
                                               .cat.add_categories([others_label])\
                                               .replace(others, others_label)

我怎样才能实现类似 np.where(df[variable] in ['value1','value2'])

how could I achieve something like np.where(df[varaible] in ['value1','value2'])

python

pandas

numpy

series

categorical-data

对分类变量使用Categorical Data