Панды: Как заменить значения в диапазоне строкой?

Question

Я пытаюсь заменить значения в определенном диапазоне другим значением.

У меня есть словарь, содержащий символ в качестве ключа и верхний диапазон в качестве значения, подобного следующему -

replace_dict = {
        'A': 10, 
        'B': 21, 
        'C': 34, 
        'D': 49, 
        'E': 66, 
        'F': 85, 
        'G': 107, 
        'H': 132, 
        'I': 160, 
        'J': 192, 
        'K': 229, 
        'L': 271, 
        'M': 319, 
        'N': 395, 
        'O': 495, 
        'P': 595, 
        'Q': 795, 
        'R': 1100
}

Мне нужно заменить значения соответствующими клавишами, попадающими в диапазон.

Например:

Values in the range of 1-10 will be replaced by 'A',
Values in the range of 11-21 will be replaced by 'B'
Values in the range of 22-34 will be replaced by 'C'
Values in the range of 35-50 will be replaced by 'D'
Values in the range of 51-66 will be replaced by 'E'

Я написал следующий код:

k=1
for i, j in replace_dict.items():
    data.loc[data['my_col'].between(k,j)] = i
    k=j+1

Этот код показывает TypeError: '>=' not supported between instances of 'str' and 'int'.

Тем не менее, строка data.loc[data['my_col'].between(1,10)] = 'A' работает нормально.

Что является хорошим решением для этой проблемы?

Answer 1

Вы можете использовать pandas.cut.Обратите внимание на несколько моментов:

1. Мы используем последовательность фактов dict.keys и dict.values согласованно.
2. Мы предоставляем bins и labels явно;обратите внимание, что labels должен иметь на один элемент меньше, чем bins.
3. Вы можете добавить дополнительный контейнер для значений выше 1100.

Вот минимальный пример.

df = pd.DataFrame({'col': [500, 123, 56, 12, 1000, 2, 456]})

df['mapped'] = pd.cut(df['col'],
                      bins=[1]+list(replace_dict.values()),
                      labels=list(replace_dict.keys()))

print(df)

    col mapped
0   500      P
1   123      H
2    56      E
3    12      B
4  1000      R
5     2      A
6   456      O

Answer 2

Вы можете создать отдельный DataFrame, используя желаемые диапазоны, и map, используя intervalIndex

Настройка

ranges = pd.DataFrame(replace_dict, index=['STOP']).T.reset_index()
ranges['START'] = (ranges.STOP.shift(1)+1).fillna(1)
ranges.index = pd.IntervalIndex.from_arrays(ranges.START, ranges.STOP, closed='both')

                index  STOP  START
[1.0, 10.0]         A    10    1.0
[11.0, 21.0]        B    21   11.0
[22.0, 34.0]        C    34   22.0
[35.0, 49.0]        D    49   35.0
[50.0, 66.0]        E    66   50.0
etc...

map используя ваш intervalIndex

df = pd.DataFrame({'nums': np.random.randint(1, 1000, 10)})
   nums
0   699
1   133
2   829
3   299
4   306
5   691
6   172
7   225
8   522
9   671

df.nums.map(ranges['index'])

0    Q
1    I
2    R
3    M
4    M
5    Q
6    J
7    K
8    P
9    Q