使用字典中的映射值添加新的pandas列

Question

使用字典中的映射值添加新的pandas列

我正在尝试做一些在熊猫中应该非常简单的事情，但似乎不过。我正在尝试将列添加到现有的pandas数据帧，该数据帧是基于另一个（现有）列的映射值。这是一个小测试用例：

import pandas as pd
equiv = {7001:1, 8001:2, 9001:3}df = pd.DataFrame( {"A": [7001, 8001, 9001]} )df["B"] = equiv(df["A"])print(df)

我希望以下结果：

      A   B0  7001   11  8001   22  9001   3

相反，我得到一个错误告诉我，equiv不是一个可调用的函数。很公平，它是一本字典，但即使我将它包装在一个函数中，我仍然会感到沮丧。所以我尝试使用似乎与其他操作一起使用的map函数，但它也被使用字典击败了：

df["B"] = df["A"].map(lambda x:equiv[x])

在这种情况下，我只得到KeyError：8001。我已经阅读了文档和以前的帖子，但还没有发现任何暗示如何将字典与pandas数据帧混合的内容。任何建议将不胜感激。

Answer 1

正确的做法是df["B"] = df["A"].map(equiv)。In [55]:import pandas as pd equiv = {7001:1, 8001:2, 9001:3}df = pd.DataFrame( {"A": [7001, 8001, 9001]} )df["B"] = df["A"].map(equiv)print(df)       A  B0  7001  11  8001  22  9001  3[3 rows x 2 columns]考虑到以下示例，它将处理密钥不存在的情况：In [56]:import pandas as pd equiv = {7001:1, 8001:2, 9001:3}df = pd.DataFrame( {"A": [7001, 8001, 9001, 10000]} )df["B"] = df["A"].map(equiv)print(df)        A   B0   7001   11   8001   22   9001   33  10000 NaN[4 rows x 2 columns]