将 python 字典应用于 CSV 文件的列
Applying python dictionary to column of a CSV file
我有一个 CSV 文件，其中包含一列用户不友好的数据。我需要将这些数据转化为有意义的东西。简单的 find/replace 看起来很笨重，因为我要翻译的可能组合有几十种甚至数百种。
例如：BLK = Black 或 MNT TP = Mountain Top
有几十种甚至数百种可能的翻译 - 我在 CSV 中已经有很多翻译 table。问题是如何使用该字典更改另一个 CSV table 中的值。同样重要的是要注意，这将（最终）需要每隔几分钟自行 运行 - 而不仅仅是一次性翻译。
如果您能更详细地描述您正在处理的数据是什么，那就太好了。不过我会尽力猜测。
假设您有一个 CSV 文件，您使用 pandas 将其读入名为 df 的数据框，以及名为 col 的“用户不友好”列。
要替换列 col 中的所有值，首先，您需要一个包含所有键（原始文本）和值（新文本）的字典：
my_dict = {"BLK": "Black", "MNT TP": Mountain Top,...}
然后，将字典映射到列：
df["col"] = df["col"].map(lambda x: my_dict.get(x, x))
如果某个键出现在字典中，则将其替换为字典中对应的新值，否则，保持原值。
我有一个 CSV 文件，其中包含一列用户不友好的数据。我需要将这些数据转化为有意义的东西。简单的 find/replace 看起来很笨重，因为我要翻译的可能组合有几十种甚至数百种。
例如：BLK = Black 或 MNT TP = Mountain Top
有几十种甚至数百种可能的翻译 - 我在 CSV 中已经有很多翻译 table。问题是如何使用该字典更改另一个 CSV table 中的值。同样重要的是要注意，这将（最终）需要每隔几分钟自行 运行 - 而不仅仅是一次性翻译。
如果您能更详细地描述您正在处理的数据是什么，那就太好了。不过我会尽力猜测。
假设您有一个 CSV 文件，您使用 pandas 将其读入名为 df 的数据框，以及名为 col 的“用户不友好”列。
要替换列 col 中的所有值，首先，您需要一个包含所有键（原始文本）和值（新文本）的字典：
my_dict = {"BLK": "Black", "MNT TP": Mountain Top,...}
然后，将字典映射到列：
df["col"] = df["col"].map(lambda x: my_dict.get(x, x))
如果某个键出现在字典中，则将其替换为字典中对应的新值，否则，保持原值。