pandas：将多个类别合并为一个

Question

假设我有类别，1 到 10，我想分配 red 值 3 到 5， green 到 1,6 和 7，以及 blue 到 2、8、9 和 10。

我该怎么做？如果我尝试

df.cat.rename_categories(['red','green','blue'])

我得到一个错误： ValueError: new categories need to have the same number of items than the old categories! 但如果我把它放在

df.cat.rename_categories(['green','blue','red', 'red', 'red'
                        'green', 'green', 'blue', 'blue' 'blue'])

我会收到一条错误消息，指出存在重复值。

我能想到的唯一其他方法是编写一个 for 循环，它将遍历值的字典并替换它们。有没有更优雅的解决方法？

原文由 Minh Mai 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

不确定是否优雅，但如果您将旧类别改为新类别，例如（注意添加的“紫色”）：

 >>> m = {"red": [3,4,5], "green": [1,6,7], "blue": [2,8,9,10], "purple": [11]}
>>> m2 = {v: k for k,vv in m.items() for v in vv}
>>> m2
{1: 'green', 2: 'blue', 3: 'red', 4: 'red', 5: 'red', 6: 'green',
 7: 'green', 8: 'blue', 9: 'blue', 10: 'blue', 11: 'purple'}

您可以使用它来构建一个新的分类系列：

 >>> df.cat.map(m2).astype("category", categories=set(m2.values()))
0    green
1     blue
2      red
3      red
4      red
5    green
6    green
7     blue
8     blue
9     blue
Name: cat, dtype: category
Categories (4, object): [green, purple, red, blue]

如果您确定所有分类值都将显示在列中，则不需要 categories=set(m2.values()) （如果您关心分类排序，则需要有序的等价物）。但是在这里，如果我们不这样做，我们就不会在生成的 Categorical 中看到 purple ，因为它是根据它实际看到的类别构建的。

当然，如果您已经构建了列表 ['green','blue','red', etc.] ，那么直接使用它来创建新的分类列并完全绕过此映射同样容易。

原文由 DSM 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

似乎 pandas.explode 与 pandas-0.25.0 一起发布--- (July 18, 2019) 将适合在那里，因此避免任何循环 -

 # Mapping dict
In [150]: m = {"red": [3,4,5], "green": [1,6,7], "blue": [2,8,9,10]}

In [151]: pd.Series(m).explode().sort_values()
Out[151]:
green     1
blue      2
red       3
red       4
red       5
green     6
green     7
blue      8
blue      9
blue     10
dtype: object

因此，结果是一个 pandas 系列，它具有来自 values:index 的所有必需映射。现在，根据用户需求，我们可以直接使用它，或者如果需要，可以使用不同的格式，如 dict 或 series，交换索引和值。让我们也探讨一下。

 # Mapping obtained
In [152]: s = pd.Series(m).explode().sort_values()

1）输出为字典：

 In [153]: dict(zip(s.values, s.index))
Out[153]:
{1: 'green',
 2: 'blue',
 3: 'red',
 4: 'red',
 5: 'red',
 6: 'green',
 7: 'green',
 8: 'blue',
 9: 'blue',
 10: 'blue'}

2）输出为系列：

 In [154]: pd.Series(s.index, s.values)
Out[154]:
1     green
2      blue
3       red
4       red
5       red
6     green
7     green
8      blue
9      blue
10     blue
dtype: object

原文由 Divakar 发布，翻译遵循 CC BY-SA 4.0 许可协议