如何通过使用dict中的值替换熊猫中的数据？

问题描述

我有一个包含几个数字的系列。我想通过使用字典值将它们替换为其他字符串类型的数据。但是我不知道该怎么做...

GDP_group['GdpForYearPer$1M'].head(5)

0 46.919625
1 47.515189
2 47.737955
3 54.832578
4 56.338028
5 63.101272 \

这是我替换数据的命令。

range_GDP = {'$0 ~ $100M': np.arange(0,100),'$100M ~ $1B': np.arange(100.0000001,1000),'$1B ~ $10B': np.arange(1000.000001,10000),'$10B ~ $100B': np.arange(10000.000001,100000),'$100B ~ $1T': np.arange(100000.000001,1000000),'$1T ~': np.arange(1000000.000001,20000000)}

解决方法

您可以使用pd.cut在范围内细分数据并应用标签。

（重新）生成在日志空间中统一采样的伪数据：

import numpy as np
import pandas as pd
GdpForYearPer1M = pd.Series(10**np.random.randint(0,8,100))

"""
0           1
1        1000
2         100
3          10
4         100
       ...
95    1000000
96        100
97     100000
98      10000
99         10
"""

解决方案：

# generate "cuts" (bins) and associated labels from `range_GDP`.    

cut_data = [(np.min(v),k) for k,v in range_GDP.items()]
bins,labels = zip(*cut_data)

# bins required to have one more value than labels
bins = list(bins) + [np.inf]
pd.cut(GdpForYearPer1M,bins=bins,labels=labels)

输出：

0       $0 ~ $100M
1      $100M ~ $1B
2       $0 ~ $100M
3       $0 ~ $100M
4       $0 ~ $100M
          ...
95     $100B ~ $1T
96      $0 ~ $100M
97    $10B ~ $100B
98      $1B ~ $10B
99      $0 ~ $100M
Length: 100,dtype: category
Categories (6,object): [$0 ~ $100M < $100M ~ $1B < $1B ~ $10B < $10B ~ $100B < $100B ~ $1T < $1T ~]