Question

我的数据框如下所示：

col1  col2  col3
Aba   xxx   yyy
bab   bhh   jjj
ccc   kkk   lll
Aba   xxx   yyy
ccc   kkk   jjj

目前我正在替换每列的所有唯一值，例如：

在col1中：Aba被a0取代，bab被a1取代，ccc被a2取代它出现在列中的哪个位置。

与col2类似：xxx替换为b0，bhh替换为b1等。

简而言之，第一列开始使用a0,a1,a2,a3第二个b0,b1,b2,b3，第三列c0,c1,c2等替换唯一值 - 使用这个简单的单行，

import string
df = list(string.ascii_lowercase)[:len(df.columns)] + df.apply(lambda x: pd.factorize(x)[0]).astype(str)

但我想像上面的方法那样替换那些具有多个唯一值（pandas中的nunique()函数）的列小于假设50的列，并且列的其余部分的值可以保持不变。

使用上面的代码寻找解决方案，可以对其进行更改以包含此目标。我的数据框有数百万行且超过20列。

由于

Answer 1

我认为需要：

print (df)
  col1 col2 col3
0  Aba  xxx  jjj
1  Aba  bhh  jjj
2  ccc  kkk  jjj
3  Aba  xxx  yyy
4  ccc  kkk  jjj

#check column for number of unique values
m = df.nunique() < 3
print (m)
col1     True
col2    False
col3     True
dtype: bool

import string
#first select all possible codes and then only by condition
c = np.array(list(string.ascii_lowercase))[:len(df.columns)][m]

#apply solution only for columns by condition
df.loc[:, m] = c + df.loc[:, m].apply(lambda x: pd.factorize(x)[0]).astype(str)
print (df)
  col1 col2 col3
0   a0  xxx   c0
1   a0  bhh   c0
2   a1  kkk   c0
3   a0  xxx   c1
4   a1  kkk   c0

替换数据框中特定列中的唯一值

1 个答案: