如何使用 .replace 减少命令和创建函数中的问题

Question

我有一个数据框，我想在我选择的某些列中用“是”和“否”替换 0, 1 编码。一些 df 列具有这种编码，因此我编写了以下命令：dados_trabalho = dados_trabalho.replace({"ASSINTOM": {0: "Sim", 1 : "Não"}}).replace({"DOR ATIPICA": {0: "Sim", 1 : "Não"}}).replace({"IAM": {0: "Sim", 1 : "Não"}}).replace({"HAS": {0: "Sim", 1 : "Não"}}).replace({"DM": {0: "Sim", 1 : "Não"}}).replace({"DISPLIP": {0: "Sim", 1 : "Não"}}).replace({"DOR TIPICA": {0: "Sim", 1 : "Não"}})它运行正确并替换由新编码标识的列，但我想知道是否有办法总结这个公式，以便脚本不会变得很大。我尝试创建函数：def change_columns (df):    c = df.columns    df = df.replace ({c: {0: "Yes", 1: "No"}})问题是当我在这个函数中输入数据框时，会发生以下错误：change_columns (df)TypeError Traceback (most recent call last)<ipython-input-141-43eb9316b19b> in <module>----> 1 change_columns (df)<ipython-input-140-9fbbd4e9e293> in change_columns (df)      1 def change_columns (df):      2 c = df.columns----> 3 df = df.replace ({c: {0: "Yes", 1: "No"}})/usr/lib/python3/dist-packages/pandas/core/indexes/base.py in __hash __ (self)   2060   2061 def __hash __ (self):-> 2062 raise TypeError ("unhashable type:% r"% type (self) .__ name__)   2063   2064 def __setitem __ (self, key, value):TypeError: unhashable type: 'Index'我从 Python 开始，所以我想我忘记了一些东西。我在代码中更改了一些内容并且它起作用了。但问题是它在所有 df 列中应用该函数。如何仅在我想要的列而不是所有列上应用该函数？def change_columns(df):    for i in df.columns:        df = df.replace({i: {0: "Sim", 1 : "Não"}})    return df

Answer 1

您创建的函数 ( change_columns(df)) 似乎正在尝试对所有列执行替换。如果这是您的意图，那么您不需要任何特殊的函数或链式方法调用。所有你需要的是：

dados_trabalho = dados_trabalho.replace({0: "Sim", 1 : "Não"})

为了仅替换某些列中的 0 和 1，您需要告诉函数您要对哪些列执行替换。例如：

import pandas

def change_columns(df, cols):

    for col_name in cols:

        df = df.replace({col_name: {0:'yes', 1:'no'}})

    return df

# create sample data

df = pandas.DataFrame([[0, 0, 1, 0, 1, 1], [1, 0, 1, 0, 1, 0]])

print('Starting DataFrame:')

print(df)

# define columns to do the replacement

columns_to_replace = [0, 2, 3]

# perform the replacement

df = change_columns(df, columns_to_replace)

# see the result

print('After processing DataFrame: ')

print(df)

运行上面的代码应该会产生结果：

Starting DataFrame:

   0  1  2  3  4  5

0  0  0  1  0  1  1

1  1  0  1  0  1  0

After processing DataFrame:

     0  1   2    3  4  5

0  yes  0  no  yes  1  1

1   no  0  no  yes  1  0