如何在 Pandas 中用多个唯一字符串替换重复值？

Question

import pandas as pdimport numpy as npdata = {'Name':['Tom', 'Tom', 'Jack', 'Terry'], 'Age':[20, 21, 19, 18]} df = pd.DataFrame(data)假设我有一个看起来像这样的数据框。我试图弄清楚如何检查名称列中的值“汤姆”，如果我第一次找到它，我将其替换为值“FirstTom”，而第二次出现时，我将其替换为值“SecondTom” . 你如何做到这一点？我之前使用过 replace 方法，但仅用于用单个值替换所有 Toms。我不想在值的末尾添加 1，而是将字符串完全更改为其他内容。编辑：如果 df 看起来更像下面这样，我们将如何检查第一列和第二列中的 Tom，然后用 FirstTom 替换第一个实例，用 SecondTom 替换第二个实例data = {'Name':['Tom', 'Jerry', 'Jack', 'Terry'], 'OtherName':[Tom, John, Bob,Steve]}

Answer 1

只需添加到现有的解决方案中，您就可以使用inflect创建动态字典

import inflect

p = inflect.engine()

df['Name'] += df.groupby('Name').cumcount().add(1).map(p.ordinal).radd('_')

print(df)

        Name  Age

0    Tom_1st   20

1    Tom_2nd   21

2   Jack_1st   19

3  Terry_1st   18

Answer 2

我们可以做的cumcount

df.Name=df.Name+df.groupby('Name').cumcount().astype(str)

df

     Name  Age

0    Tom0   20

1    Tom1   21

2   Jack0   19

3  Terry0   18

更新

suf = lambda n: "%d%s"%(n,{1:"st",2:"nd",3:"rd"}.get(n if n<20 else n%10,"th"))

g=df.groupby('Name')

df.Name=df.Name.radd(g.cumcount().add(1).map(suf).mask(g.Name.transform('count')==1,''))

df

     Name  Age

0  1stTom   20

1  2ndTom   21

2    Jack   19

3   Terry   18

更新 2 列

suf = lambda n: "%d%s"%(n,{1:"st",2:"nd",3:"rd"}.get(n if n<20 else n%10,"th"))

g=s.groupby([s.index.get_level_values(0),s])

s=s.radd(g.cumcount().add(1).map(suf).mask(g.transform('count')==1,''))

s=s.unstack()

     Name OtherName

0  1stTom    2ndTom

1   Jerry      John

2    Jack       Bob

3   Terry     Steve

Answer 3

编辑：对于每行重复的计数，请使用：

df = pd.DataFrame(data = {'Name':['Tom', 'Jerry', 'Jack', 'Terry'], 

                          'OtherName':['Tom', 'John', 'Bob','Steve'],

                          'Age':[20, 21, 19, 18]})

print (df)

    Name OtherName  Age

0    Tom       Tom   20

1  Jerry      John   21

2   Jack       Bob   19

3  Terry     Steve   18

import inflect

p = inflect.engine()

#map by function for dynamic counter

f = lambda i: p.number_to_words(p.ordinal(i))

#columns filled by names

cols = ['Name','OtherName']

#reshaped to MultiIndex Series

s = df[cols].stack()

#counter per groups

count = s.groupby([s.index.get_level_values(0),s]).cumcount().add(1)

#mask for filter duplicates

mask = s.reset_index().duplicated(['level_0',0], keep=False).values

#filter only duplicates and map, reshape back and add to original data

df[cols] = count[mask].map(f).unstack().add(df[cols], fill_value='')

print (df)

       Name  OtherName  Age

0  firstTom  secondTom   20

1     Jerry       John   21

2      Jack        Bob   19

3     Terry      Steve   18

使用GroupBy.cumcountwith Series.map，但仅适用于重复值 by Series.duplicated：

data = {'Name':['Tom', 'Tom', 'Jack', 'Terry'], 'Age':[20, 21, 19, 18]} 

df = pd.DataFrame(data)

nth = {

0: "First",

1: "Second",

2: "Third",

3: "Fourth"

}

mask = df.Name.duplicated(keep=False)

df.loc[mask, 'Name'] = df[mask].groupby('Name').cumcount().map(nth) + df.loc[mask, 'Name']

print (df)

        Name  Age

0   FirstTom   20

1  SecondTom   21

2       Jack   19

3      Terry   18

动态字典应该是这样的：

import inflect

p = inflect.engine()

mask = df.Name.duplicated(keep=False)

f = lambda i: p.number_to_words(p.ordinal(i))

df.loc[mask, 'Name'] = df[mask].groupby('Name').cumcount().add(1).map(f) + df.loc[mask, 'Name']

print (df)

        Name  Age

0   firstTom   20

1  secondTom   21

2       Jack   19

3      Terry   18

Answer 4

transform

nth = ['First', 'Second', 'Third', 'Fourth']

def prefix(d):

    n = len(d)

    if n > 1:

        return d.radd([nth[i] for i in range(n)])

    else:

        return d

df.assign(Name=df.groupby('Name').Name.transform(prefix))

          Name  Age

0     FirstTom   20

1    SecondTom   21

2         Jack   19

3        Terry   18

4   FirstSteve   17

5  SecondSteve   16

6   ThirdSteve   15