Pandas - remplacement des valeurs de colonne

Je sais qu'il y a un certain nombre de sujets sur cette question, mais aucune des méthodes qui ont fonctionné pour moi, donc je suis à l'affichage sur ma situation spécifique

J'ai un dataframe qui ressemble à ceci:

data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])
data['sex'].replace(0, 'Female')
data['sex'].replace(1, 'Male')
data

Ce que je veux faire est de remplacer tous les 0 dans le sexe de la colonne avec des "Femelles", et tous les 1 avec "Homme", mais les valeurs dans le dataframe ne semblent pas changer lorsque j'utilise le code ci-dessus

Suis-je utiliser replace() de façon incorrecte? Ou est-il une meilleure façon de faire conditionnelle de remplacement de valeurs?

source d'informationauteur Simon

  1. 32

    Oui, vous l'utilisez de manière incorrecte, de la Série.replace() n'est pas en place l'opération par défaut, il renvoie l'remplacé dataframe/série, vous devez l'affecter en retour à votre dataFrame/Série pour que les effets se produisent. Ou si vous avez besoin de le faire en place, vous devez spécifier le inplace argument mot-clé comme True Exemple -

    data['sex'].replace(0, 'Female',inplace=True)
data['sex'].replace(1, 'Male',inplace=True)

    Aussi, vous pouvez combiner le ci-dessus en un seul replace appel de fonction en utilisant list pour les deux to_replace argument ainsi que value argument , Exemple -

    data['sex'].replace([0,1],['Female','Male'],inplace=True)

    Exemple/Demo -

    In [10]: data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])

In [11]: data['sex'].replace([0,1],['Female','Male'],inplace=True)

In [12]: data
Out[12]:
      sex  split
0    Male      0
1  Female      1
2    Male      0
3  Female      1

    Vous pouvez également utiliser un dictionnaire, par Exemple -

    In [15]: data = pd.DataFrame([[1,0],[0,1],[1,0],[0,1]], columns=["sex", "split"])

In [16]: data['sex'].replace({0:'Female',1:'Male'},inplace=True)

In [17]: data
Out[17]:
      sex  split
0    Male      0
1  Female      1
2    Male      0
3  Female      1
  2. 4

    Vous pouvez également essayer d'utiliser apply avec get méthode de dictionarysemble être un peu plus rapide que replace:

    data['sex'] = data['sex'].apply({1:'Male', 0:'Female'}.get)

    Tests avec timeit:

    %%timeit
data['sex'].replace([0,1],['Female','Male'],inplace=True)

    Résultat:

    The slowest run took 5.83 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 510 µs per loop

    À l'aide de apply:

    %%timeit
data['sex'] = data['sex'].apply({1:'Male', 0:'Female'}.get)

    Résultat:

    The slowest run took 5.92 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 331 µs per loop

    Remarque: apply avec dictionnaire doit être utilisé que si toutes les valeurs possibles des colonnes dans le dataframe sont définis dans le dictionnaire d'autre, il sera vide pour ceux qui ne sont pas définis dans le dictionnaire.