辞書を使用してパンダ列の値を再マッピングする

次のような辞書があります。 di = {1: "A", 2: "B"}

次のようなデータフレームの「col1」列にそれを適用したいと思います。

     col1   col2
0       w      a
1       1      2
2       2    NaN

取得するため：

     col1   col2
0       w      a
1       A      2
2       B    NaN

これを行うにはどうすればよいですか？何らかの理由で、これに関連する用語をググリングすると、dictsから列を作成する方法とその逆の方法に関するリンクのみが表示されます：-/

使用できます.replace。例えば：

>>> df = pd.DataFrame({'col2': {0: 'a', 1: 2, 2: np.nan}, 'col1': {0: 'w', 1: 1, 2: 2}})
>>> di = {1: "A", 2: "B"}
>>> df
  col1 col2
0    w    a
1    1    2
2    2  NaN
>>> df.replace({"col1": di})
  col1 col2
0    w    a
1    A    2
2    B  NaN

または直接Series、すなわちdf["col1"].replace(di, inplace=True)。

map よりもはるかに高速にすることができます replace

辞書に2つ以上のキーがある場合mapは、を使用する方がはるかに高速ですreplace。このアプローチには2つのバージョンがあり、ディクショナリがすべての可能な値を完全にマッピングするかどうか（また、不一致で値を保持するか、NaNに変換するか）によって異なります。

徹底的なマッピング

この場合、フォームは非常に単純です。

df['col1'].map(di)       # note: if the dictionary does not exhaustively map all
                         # entries then non-matched entries are changed to NaNs

けれどもmap：最も一般的にその引数として関数を受け取り、それが代わりに辞書やシリーズ取ることができます Pandas.series.mapのドキュメントの

非網羅的なマッピング

完全ではないマッピングがあり、一致しない場合に既存の変数を保持したい場合は、以下を追加できますfillna。

df['col1'].map(di).fillna(df['col1'])

@jppの回答のように： 辞書を介してパンダシリーズの値を効率的に置き換えます

ベンチマーク

パンダバージョン0.23.1で次のデータを使用する：

di = {1: "A", 2: "B", 3: "C", 4: "D", 5: "E", 6: "F", 7: "G", 8: "H" }
df = pd.DataFrame({ 'col1': np.random.choice( range(1,9), 100000 ) })

を使用してテストすると%timeit、のmap約10倍高速であるように見えますreplace。

のスピードアップはmapデータによって異なります。最大の高速化は、大規模な辞書と徹底的な置き換えによるものです。より広範なベンチマークとディスカッションについては、@ jppの回答（上記にリンク）を参照してください。

あなたの質問には少し曖昧な点があります。少なくともあります3つの二つの解釈は：

1. のキーはdiインデックス値を参照します
2. のキーは値をdi参照しdf['col1']ます
3. のキーはdiインデックスの場所を参照しています（OPの質問ではありませんが、楽しみのためにスローされます）。

以下は、それぞれの場合の解決策です。

ケース1： のキーがdiインデックス値を参照することを意図している場合、updateメソッドを使用できます。

df['col1'].update(pd.Series(di))

例えば、

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1':['w', 10, 20],
                   'col2': ['a', 30, np.nan]},
                  index=[1,2,0])
#   col1 col2
# 1    w    a
# 2   10   30
# 0   20  NaN

di = {0: "A", 2: "B"}

# The value at the 0-index is mapped to 'A', the value at the 2-index is mapped to 'B'
df['col1'].update(pd.Series(di))
print(df)

収量

  col1 col2
1    w    a
2    B   30
0    A  NaN

元の投稿の値を変更して、何updateが行われているのかを明確にしました。のキーがどのようにdiインデックス値に関連付けられているかに注意してください。インデックス値の順序、つまりインデックスの場所は関係ありません。

ケース2： のキーが値をdi参照しているdf['col1']場合、@ DanAllanと@DSMはこれをreplace次のように実現する方法を示します。

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1':['w', 10, 20],
                   'col2': ['a', 30, np.nan]},
                  index=[1,2,0])
print(df)
#   col1 col2
# 1    w    a
# 2   10   30
# 0   20  NaN

di = {10: "A", 20: "B"}

# The values 10 and 20 are replaced by 'A' and 'B'
df['col1'].replace(di, inplace=True)
print(df)

収量

  col1 col2
1    w    a
2    A   30
0    B  NaN

この場合のキーdiがの値と一致するように変更されたことに注意してくださいdf['col1']。

ケース3： キーがdiインデックスの場所を参照している場合は、次を使用できます

df['col1'].put(di.keys(), di.values())

以来

df = pd.DataFrame({'col1':['w', 10, 20],
                   'col2': ['a', 30, np.nan]},
                  index=[1,2,0])
di = {0: "A", 2: "B"}

# The values at the 0 and 2 index locations are replaced by 'A' and 'B'
df['col1'].put(di.keys(), di.values())
print(df)

収量

  col1 col2
1    A    a
2   10   30
0    B  NaN

ここでは、最初の行と3番目の行が変更されています。これは、Pythonの0ベースのインデックスでは、最初と3番目の場所を参照するand のキーが使用されてdiいるためです。02

データデータフレームで再マップする列が複数ある場合は、この質問に追加します。

def remap(data,dict_labels):
    """
    This function take in a dictionnary of labels : dict_labels 
    and replace the values (previously labelencode) into the string.

    ex: dict_labels = {{'col1':{1:'A',2:'B'}}

    """
    for field,values in dict_labels.items():
        print("I am remapping %s"%field)
        data.replace({field:values},inplace=True)
    print("DONE")

    return data

それが誰かに役立つことを願っています。

乾杯

DSMは受け入れられた答えを持っていますが、コーディングはすべての人にとってうまくいくようには見えません。これがパンダの現在のバージョン（2018年8月の時点で0.23.4）で動作するものです：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 2, 3, 1],
            'col2': ['negative', 'positive', 'neutral', 'neutral', 'positive']})

conversion_dict = {'negative': -1, 'neutral': 0, 'positive': 1}
df['converted_column'] = df['col2'].replace(conversion_dict)

print(df.head())

次のように表示されます。

   col1      col2  converted_column
0     1  negative                -1
1     2  positive                 1
2     2   neutral                 0
3     3   neutral                 0
4     1  positive                 1

pandas.DataFrame.replaceのドキュメントはこちらです。

またはapply：

df['col1'].apply(lambda x: {1: "A", 2: "B"}.get(x,x))

デモ：

>>> df['col1']=df['col1'].apply(lambda x: {1: "A", 2: "B"}.get(x,x))
>>> df
  col1 col2
0    w    a
1    1    2
2    2  NaN
>>> 

与えられたmap方が置換よりも速い（@JohnEの解決策）特定の値をにマッピングする予定の非NaN網羅的なマッピングには注意する必要があります。この場合の適切な方法ではmask、シリーズを作成する必要があります。.fillnaそれ以外の場合は、マッピングを元に戻しますNaN。

import pandas as pd
import numpy as np

d = {'m': 'Male', 'f': 'Female', 'missing': np.NaN}
df = pd.DataFrame({'gender': ['m', 'f', 'missing', 'Male', 'U']})

keep_nan = [k for k,v in d.items() if pd.isnull(v)]
s = df['gender']

df['mapped'] = s.map(d).fillna(s.mask(s.isin(keep_nan)))

    gender  mapped
0        m    Male
1        f  Female
2  missing     NaN
3     Male    Male
4        U       U

クラスラベルのマップを保持する素晴らしい完全なソリューション：

labels = features['col1'].unique()
labels_dict = dict(zip(labels, range(len(labels))))
features = features.replace({"col1": labels_dict})

このようにして、labels_dictの元のクラスラベルをいつでも参照できます。

Nico Coallier（複数の列に適用）およびU10-Forward（メソッドの適用スタイルを使用）によって提案されたものへの拡張として、それを要約して1行にまとめます。

df.loc[:,['col1','col2']].transform(lambda x: x.map(lambda x: {1: "A", 2: "B"}.get(x,x))

は、.transform()各列をシリーズとして処理します。.apply()DataFrameに集約された列を渡すのとは逆です。

したがって、Seriesメソッドを適用できますmap()。

最後に、U10のおかげでこの動作を発見しました。.get（）式でシリーズ全体を使用できます。私がその動作を誤解していない限り、それはビットごとではなく連続的にシリーズを処理します。マッピングディクショナリで言及しなかった値
の.get(x,x)アカウント。これは、.map()メソッドによってナンと見なされます。

よりネイティブなパンダのアプローチは、以下のように置換関数を適用することです：

def multiple_replace(dict, text):
  # Create a regular expression  from the dictionary keys
  regex = re.compile("(%s)" % "|".join(map(re.escape, dict.keys())))

  # For each match, look-up corresponding value in dictionary
  return regex.sub(lambda mo: dict[mo.string[mo.start():mo.end()]], text) 

関数を定義したら、それをデータフレームに適用できます。

di = {1: "A", 2: "B"}
df['col1'] = df.apply(lambda row: multiple_replace(di, row['col1']), axis=1)