如何重新分类熊猫数据框列？

Question

我有一个 Pandas 数据框，看起来像这样：> print(df)           image_name                       tags0                img1       class1 class2 class31                img2                     class22                img3              class2 class33                img4                     class1如何重新分类tags列，以便为任何具有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检查搜索词的实例：df['tags'].str.contains('class3')但是，我不确定如何将其集成到手头的任务中。以下是预期的输出：           image_name                       tags0                img1                        yes1                img2                         no2                img3                        yes3                img4                         no

Answer 1

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]

上述方法的输出：

print(df)

  image_name tags

0       img1  yes

1       img2   no

2       img3  yes

3       img4   no

Answer 2

你也可以这样做：

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

Answer 3

也许这会比 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

下面的时间列表

#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