pandas字典转化为dataframe
pandas修改DataFrame列名的实现方法提出问题
存在一个名为dataset的DataFrame
|
>>> dataset.columns Index([ 'age' , 'job' , 'marital' , 'education' , 'default' , 'housing' , 'loan' , 'contact' , 'month' , 'day_of_week' , 'duration' , 'campaign' , 'pdays' , 'previous' , 'poutcome' , 'emp.var.rate' , 'cons.price.idx' , 'cons.conf.idx' , 'euribor3m' , 'nr.employed' , 'y' ], dtype = 'object' ) |
现在, 我要将其columns名字改为:
|
>>> new_columns Index([ 'age_0' , 'job_1' , 'marital_2' , 'education_3' , 'default_4' , 'housing_5' , 'loan_6' , 'contact_7' , 'month_8' , 'day_of_week_9' , 'duration_10' , 'campaign_11' , 'pdays_12' , 'previous_13' , 'poutcome_14' , 'emp.var.rate_15' , 'cons.price.idx_16' , 'cons.conf.idx_17' , 'euribor3m_18' , 'nr.employed_19' , 'y_20' ], dtype = 'object' ) |
该如何操作?
解决
一.通过DataFrame.columns类的自身属性修改:
1.无脑赋值直接修改
|
>>> # 先解决`new_columns`的推导问题 >>> # 列表推导 >>> new_columns_list = [column_str + '_' + str (i) for i ,column_str in enumerate (dataset.columns)] >>> # 类型转换 >>> new_columns = pd.core.indexes.base.Index(new_columns_list) >>> dataset.columns = new_columns |
2.通过.map(mapper, na_action=None)函数来修改
|
>>> # 注:mapper 多运用 lambda 表达式 >>> # 但我似乎没有找到在 lambda 表达式中改变两个值的方法 >>> # 所以只能蹩脚地用一个全局变量i, 和映射函数mapper() >>> # 希望大家能帮我找到方法 >>> i = 0 >>> def mapper(x): # 映射函数即 mapper global i x + = '_' + str (i) i + = 1 return x >>> dataset.columns. map (mapper) |
3.参考博客用到了DataFrame.columns.str对象
用help(DataFrame.columns.str)翻遍了文档,
也没能找到可以被我拿来套用的方法, 想着抽时间把这段文档翻译一下
二.通过DataFrame.rename()函数来修改
1.暴力字典法(好处:可以只修改特定的列)
|
>>> # 此处先用字典推导法 >>> new_dict = { key:key + '_' + str (i) for i, key in enumerate (dataset.columns) } >>> dataset.rename(columns = new_dict, inplace = True ) |
2.映射修改法
|
>>> # 原博文依然用到了 lambda 表达式 >>> # 我就再生搬硬套一次, 把上面的复制过来 >>> # 蹩脚地用一个全局变量i, 和映射函数mapper() >>> i = 0 >>> def mapper(x): # 映射函数即 mapper global i x + = '_' + str (i) i + = 1 return x dataset.rename(columns = mapper, inplace = True ) |
稍微总结一下 : 字典推导和列表推导的使用方法很类似, 最大的区别是选择中括号还是大括号
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持开心学习网。
原文链接:https://segmentfault.com/a/1190000018240116