大熊貓替換非空列值與一個字典的鍵值對

Question

假設我有一個數據幀： DF1：

 AC BC AK BJ SDFG.... (1100 such columns) 
Tom 0 0 1 0 0 
Sally 1 0 1 1 0 
Nick 0 1 0 0 1 

我也有一個字典，其中：

dict_1= {'AC':0.23,'BC':1.2, 'AK':0.45, 'BJ': 2.2, 'ABFK':4.5....} 

這是沒有必要的dict1中的所有鍵都是df1的列，鍵值對的總數可能是10,000，列只有1100. SO有效鍵的數量不是像'ABFK'鍵那樣的列不存在於df1中 類似地，可能存在列名不是dict_1中的鍵。例如，'SDFG'列標題在字典中沒有關聯的鍵。

我想如果該鍵存在，作爲列名返回其中dict1值已經被取代的數據幀： 對於如我所希望得到的回覆是

 AC BC AK BJ SDFG.... (1100 such columns) TOTAL 
Tom 0 0 0.45 0  0        0.45 
Sally 0.23 0 0.45 2.2 0        2.7 
Nick 0 1.2 0  0  0.13       1.33       

因此，所有的（1S ）已被基於字典的值取代。如果密鑰不像SDFG那樣存在，則將其更改爲默認值0.13。最後，我希望在整個行中有一個總的列名稱。

這將是一個簡單的PANDAS解決方案嗎？ 非常感謝所有幫助新手的人。

Answer 1

您可以先更新dict然後用mask爲NaN S的被fillna取代：

dict_1= {'AC':0.23,'BC':1.2, 'AK':0.45, 'BJ': 2.2, 'ABFK':4.5} 

dict_2 = {x: 0.13 for x in df.columns if x not in dict_1} 
dict_2.update(dict_1) 

df = df.mask(df == 1).fillna(df.columns.to_series().replace(dict_2)) 
df['TOTAL'] = df.sum(axis=1) 
print (df) 
     AC BC AK BJ SDFG TOTAL 
Tom 0.00 0.0 0.45 0.0 0.00 0.45 
Sally 0.23 0.0 0.45 2.2 0.00 2.88 
Nick 0.00 1.2 0.00 0.0 0.13 1.33 

Answer 2

選項1
您可以使用mask隱藏的，然後使用assign用字典拆包填寫這些蒙面值。

首先，創建一個新的字典，我們在默認

d = {c: dict_1.get(c, .13) for c in df} 
df.mask(df == 1, df.assign(**d)) 

     AC BC AK BJ SDFG 
Tom 0.00 0.0 0.45 0.0 0.00 
Sally 0.23 0.0 0.45 2.2 0.00 
Nick 0.00 1.2 0.00 0.0 0.13 

---

填寫要包括Total列

d = {c: dict_1.get(c, .13) for c in df} 
d1 = df.mask(df == 1, df.assign(**d)) 
d1 = d1.assign(Total=d1.sum(1)) 
d1 

     AC BC AK BJ SDFG Total 
Tom 0.00 0.0 0.45 0.0 0.00 0.45 
Sally 0.23 0.0 0.45 2.2 0.00 2.88 
Nick 0.00 1.2 0.00 0.0 0.13 1.33 

---

選項2
或者，我們可以有我們編輯replace我們通過一個字典來定義要替換那個特定列的內容。

df.replace({c: {1: dict_1.get(c, .13)} for c in df}) 

     AC BC AK BJ SDFG 
Tom 0.00 0.0 0.45 0.0 0.00 
Sally 0.23 0.0 0.45 2.2 0.00 
Nick 0.00 1.2 0.00 0.0 0.13 

我們可以繼續添加Total列與上面相同的方式。

---

選項3
我們可以創建一個新的pd.Series和reindex與df.columns然後fillna與.13

# thanks @jezrael for fill_value reminder 
df * pd.Series(dict_1).reindex(df.columns, fill_value=.13) 

     AC BC AK BJ SDFG 
Tom 0.00 0.0 0.45 0.0 0.00 
Sally 0.23 0.0 0.45 2.2 0.00 
Nick 0.00 1.2 0.00 0.0 0.13 

我們可以繼續以同樣的方式與上述

添加 Total列