我有一個(gè) Pandas 數(shù)據(jù)框，看起來(lái)像這樣：> print(df) image_name tags0 img1 class1 class2 class31 img2 class22 img3 class2 class33 img4 class1如何重新分類tags列，以便為任何具有class3值的行分配字符串“yes”，其他所有字符串都分配字符串“no”？我知道我可以使用以下方法檢查搜索詞的實(shí)例：df['tags'].str.contains('class3')但是，我不確定如何將其集成到手頭的任務(wù)中。以下是預(yù)期的輸出： image_name tags0 img1 yes1 img2 no2 img3 yes3 img4 no
3 回答
www說(shuō)
TA貢獻(xiàn)1775條經(jīng)驗(yàn) 獲得超8個(gè)贊
使用np.where如：
df['tags'] = np.where(df['tags'].str.contains('class3'),'yes','no')
或者
df['tags'] = 'no'
df.loc[df['tags'].str.contains('class3'),'tags'] = 'yes'
或者
df['tags'] = ['yes' if 'class3' in s else 'no' for s in df3.tags.values]
上述方法的輸出：
print(df)
image_name tags
0 img1 yes
1 img2 no
2 img3 yes
3 img4 no
守著一只汪
TA貢獻(xiàn)1872條經(jīng)驗(yàn) 獲得超4個(gè)贊
你也可以這樣做：
df['tags'] = df.tags.str.contains('class3').map({True:'Yes',False:'No'})
>>> df
image_name tags
0 img1 Yes
1 img2 No
2 img3 Yes
3 img4 No
UYOU
TA貢獻(xiàn)1878條經(jīng)驗(yàn) 獲得超4個(gè)贊
也許這會(huì)比 str.contains
v=np.array(['Yes','No'])[np.array(['class3' in x for x in df.tags]).astype(int)]
v
Out[267]: array(['No', 'Yes', 'No', 'Yes'], dtype='<U3')
#df['tags']=v
下面的時(shí)間列表
#df=pd.concat([df]*1000)
#sacul
%timeit df.tags.str.contains('class3').map({True:'Yes',False:'No'})
The slowest run took 10.12 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 3.11 ms per loop
#Mine
%timeit np.array(['Yes','No'])[np.array(['class3' in x for x in df.tags]).astype(int)]
1000 loops, best of 3: 390 μs per loop
#Borealis
%timeit np.where(df['tags'].str.contains('class3'),'yes','no')
100 loops, best of 3: 2.46 ms per loop
添加回答
舉報(bào)
0/150
提交
取消