如何使用字典重新對應 Pandas 列值，同時保留 NaN 值？

使用字典重新映射Pandas 列中的值，同時保留NaN

在處理資料幀的上下文中，通常需要更改基於定義的映射的特定列。考慮這樣一個場景，您有一個包含預定義值翻譯的字典，例如 di = {1: "A", 2: "B"}，並且您希望將這些映射套用到名為 col1 的 pandas 列。目標是相應地修改 col1 中的值，同時保持 NaN 值不變。

實現此轉換的一種高效方法是利用 pandas 的 .replace 方法。此方法允許用指定的目標值替換特定值或範圍。以下是實作它的方法：

import pandas as pd
import numpy as np

# Example DataFrame
df = pd.DataFrame({'col2': {0: 'a', 1: 2, 2: np.nan}, 'col1': {0: 'w', 1: 1, 2: 2}})

# Mapping dictionary
di = {1: "A", 2: "B"}

# Apply value remapping using .replace
df.replace({"col1": di}, inplace=True)

# Output DataFrame with remapped values while preserving NaN
print(df)

在此範例中，.replace 方法採用字典作為參數，其中鍵表示 col1 中的原始值，值表示所需的重新映射值。透過將 inplace 參數設為 True，可以直接修改原始資料幀，從而無需重新分配。

或者，如果您希望將轉換專門應用於col1 系列，則可以使用以下語法：

df["col1"].replace(di, inplace=True)

此方法可確保NaN 值不受影響，因為NaN 不是映射字典中的鍵。

以上是如何使用字典重新對應 Pandas 列值，同時保留 NaN 值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！