Pandas - 根据 value_counts() 结果重新编码变量

Question

这是我的数据框：df = pd.DataFrame({'col1': [1, 1, 1, 2, 2, 3, 4],                     'col2': [1, 3, 2, 4, 6, 5, 7]})我尝试根据值在数据集中出现的频率来重新编码，在这里我想将仅出现一次的每个值重新标记为“其他”。这是所需的输出：#desired" col1": [1,1,1,2,2,"other", "other"]我尝试了这个但没有成功：df["recoded"] = np.where(df["col1"].value_counts() > 1, df["col1"], "other")我的想法是保存值计数并过滤它们，然后循环结果数组，但这似乎过于复杂。有没有一种简单的“pythonic/pandas”方法来实现这个？

Answer 1

您很接近 - 需要Series.map与原始系列相同长度的系列DataFrame：

df["recoded"] = np.where(df["col1"].map(df["col1"].value_counts()) > 1, df["col1"], "other")

GroupBy.transform或者通过以下方式与计数值一起使用GroupBy.size：

df["recoded"] = np.where(df.groupby('col1')["col1"].transform('size') > 1, 
                         df["col1"], 
                         "other")

如果需要检查重复项，请使用Series.duplicatedwithkeep=False来返回所有重复项的掩码：

df["recoded"] = np.where(df["col1"].duplicated(keep=False), df["col1"], "other")

print (df)

0     1     1       1

1     1     3       1

2     1     2       1

3     2     4       2

4     2     6       2

5     3     5   other

6     4     7   other