#python #pandas
#python #pandas
Вопрос:
Мои данные1 выглядят следующим образом:
[
{"cut_id":1,"cut_label":"v024","cut_name":"State","value_label":"1","value":"andaman and nicobar islands"},
{"cut_id":3,"cut_label":"v024","cut_name":"State","value_label":"3","value":"arunachal pradesh"},
{"cut_id":635,"cut_label":"sdistri","cut_name":"District","value_label":"599","value":"pathanamthitta"},
{"cut_id":636,"cut_label":"sdistri","cut_name":"District","value_label":"600","value":"kollam"},
{"cut_id":637,"cut_label":"sdistri","cut_name":"District","value_label":"601","value":"thiruvananthapuram"}
]
Результат, который я хочу, выглядит следующим образом:
[
{"value_label":"S1","value":"andaman and nicobar islands"},
{"value_label":"S3","value":"arunachal pradesh"},
{"value_label":"D599","value":"pathanamthitta"},
{"value_label":"D600","value":"kollam"},
{"value_label":"D601","value":"thiruvananthapuram"}
]
Я намереваюсь переименовать метку значения, добавив к числу символ ‘S’ или ‘D’ в зависимости от того, является ли это штатом или округом.
Это мой код:
for _, r in data[
(data['cut_name'] == 'State') | (data['cut_name'] == 'District')][
['cut_name', 'value', 'value_label']
].iterrows():
cuts_data[r.cut_name[0] r.value_label] = r.value
Я получил ожидаемый результат, но есть ли способ сделать это в одной строке
Ответ №1:
Используйте str
с индексацией для получения первого значения cut_name
и при необходимости отфильтруйте его по Series.isin
:
mask = data['cut_name'].isin(['State','District'])
data.loc[mask, 'value_label'] = data['cut_name'].str[0] data['value_label'].astype(str)
Если только State
или District
возможные значения:
data['value_label'] = data['cut_name'].str[0] data['value_label'].astype(str)
Для повышения производительности возможно использовать понимание списка (хорошая работа — отсутствие пропущенных значений):
data['value_label'] = [c[0] str(v) for c, v in zip(data['cut_name'], data['value_label'])]
Если нужен новый фрейм данных с отфильтрованными столбцами:
new_df = data[['value','value_label']]
Комментарии:
1. Спасибо, как насчет lambda и apply??
2. @virupaksha — Я думаю, что это возможно с помощью
data['value_label'] = data['cut_name'].apply(lambda x: x[0]) data['value_label'].astype(str)
— какова причина для его использования?3. @virupaksha — какая-то проблема?
Ответ №2:
Да, определенно есть:
df.loc[df['cut_name'].isin(['State', 'District']), 'value_label'] = np.where(df['cut_name'] == 'State', 'S' df['value_label'], 'D' df['value_label'])
Ответ №3:
Вы можете сделать что-то подобное, если хотите использовать apply
и lambda
df = pd.DataFrame([
{"cut_id":1,"cut_label":"v024","cut_name":"State","value_label":"1","value":"andaman and nicobar islands"},
{"cut_id":3,"cut_label":"v024","cut_name":"State","value_label":"3","value":"arunachal pradesh"},
{"cut_id":635,"cut_label":"sdistri","cut_name":"District","value_label":"599","value":"pathanamthitta"},
{"cut_id":636,"cut_label":"sdistri","cut_name":"District","value_label":"600","value":"kollam"},
{"cut_id":637,"cut_label":"sdistri","cut_name":"District","value_label":"601","value":"thiruvananthapuram"}
])
n_df = pd.DataFrame()
n_df['value'] = df['value']
n_df['value_label'] = df.apply(lambda x : x['cut_name'][0] x['value_label'], axis=1)
n_df.T.to_dict().values()
#Output
[{'value': 'andaman and nicobar islands', 'value_label': 'S1'}, {'value': 'arunachal pradesh', 'value_label': 'S3'}, {'value': 'pathanamthitta', 'value_label': 'D599'}, {'value': 'kollam', 'value_label': 'D600'}, {'value': 'thiruvananthapuram', 'value_label': 'D601'}]