Estou tentando substituir os valores em uma coluna de um dataframe. A coluna ('feminino') contém apenas os valores 'feminino' e 'masculino'.

Eu tentei o seguinte:

w['female']['female']='1'
w['female']['male']='0' 

Mas receba exatamente a mesma cópia dos resultados anteriores.

Idealmente, gostaria de obter uma saída que se assemelhe ao seguinte loop em termos de elementos.

if w['female'] =='female':
    w['female'] = '1';
else:
    w['female'] = '0';

Examinei a documentação das dicas ( http://pandas.pydata.org/pandas-docs/stable/gotchas.html ), mas não consigo descobrir por que nada acontece.

Qualquer ajuda será apreciada.

Se bem entendi, você quer algo assim:

w['female'] = w['female'].map({'female': 1, 'male': 0})

(Aqui eu converto os valores em números em vez de cadeias contendo números. Você pode convertê-los em "1"e "0", se você realmente quiser, mas não sei por que você desejaria isso.)

O motivo pelo qual seu código não funciona é porque o uso ['female']em uma coluna (a segunda 'female'na sua w['female']['female']) não significa "selecionar linhas onde o valor é 'feminino'". Isso significa selecionar linhas onde o índice é 'feminino', das quais pode não haver nenhuma no seu DataFrame.

Você pode editar um subconjunto de um quadro de dados usando loc:

df.loc[<row selection>, <column selection>]

Nesse caso:

w.loc[w.female != 'female', 'female'] = 0
w.loc[w.female == 'female', 'female'] = 1

w.female.replace(to_replace=dict(female=1, male=0), inplace=True)

Consulte os documentos pandas.DataFrame.replace () .

Leve variação:

w.female.replace(['male', 'female'], [1, 0], inplace=True)

Isso também deve funcionar:

w.female[w.female == 'female'] = 1 
w.female[w.female == 'male']   = 0

Você também pode usar applycom .getie

w['female'] = w['female'].apply({'male':0, 'female':1}.get):

w = pd.DataFrame({'female':['female','male','female']})
print(w)

Dataframe w:

   female
0  female
1    male
2  female

Usando applypara substituir valores do dicionário:

w['female'] = w['female'].apply({'male':0, 'female':1}.get)
print(w)

Resultado:

   female
0       1
1       0
2       1 

Nota: apply com o dicionário deve ser usado se todos os valores possíveis das colunas no quadro de dados estiverem definidos no dicionário, ele ficará vazio para os que não estão definidos no dicionário.

Isso é muito compacto:

w['female'][w['female'] == 'female']=1
w['female'][w['female'] == 'male']=0

Outro bom:

w['female'] = w['female'].replace(regex='female', value=1)
w['female'] = w['female'].replace(regex='male', value=0)

Como alternativa, há a função interna pd.get_dummies para esses tipos de atribuições:

w['female'] = pd.get_dummies(w['female'],drop_first = True)

Isso fornece um quadro de dados com duas colunas, uma para cada valor que ocorre em w ['female'], das quais você solta a primeira (porque você pode deduzi-la da que resta). A nova coluna é automaticamente nomeada como a sequência que você substituiu.

Isso é especialmente útil se você tiver variáveis ​​categóricas com mais de dois valores possíveis. Essa função cria tantas variáveis ​​fictícias necessárias para distinguir entre todos os casos. Cuidado para não atribuir todo o quadro de dados a uma única coluna; em vez disso, se w ['female'] puder ser 'male', 'female' ou 'neutral', faça algo assim:

w = pd.concat([w, pd.get_dummies(w['female'], drop_first = True)], axis = 1])
w.drop('female', axis = 1, inplace = True)

Então você fica com duas novas colunas, fornecendo a codificação fictícia de 'female' e você se livrou da coluna com as strings.

Usando Series.mapcomSeries.fillna

Se sua coluna contiver mais seqüências do que apenas femalee male, Series.mapfalhará nesse caso, pois retornará NaNpara outros valores.

É por isso que temos que acorrentá-lo com fillna:

Exemplo por que .mapfalha :

df = pd.DataFrame({'female':['male', 'female', 'female', 'male', 'other', 'other']})

   female
0    male
1  female
2  female
3    male
4   other
5   other

df['female'].map({'female': '1', 'male': '0'})

0      0
1      1
2      1
3      0
4    NaN
5    NaN
Name: female, dtype: object

Para o método correto , encadeamos mapcom fillna, então preenchemos os NaNvalores da coluna original:

df['female'].map({'female': '1', 'male': '0'}).fillna(df['female'])

0        0
1        1
2        1
3        0
4    other
5    other
Name: female, dtype: object

Também existe uma função pandaschamada, factorizeque você pode usar para executar automaticamente esse tipo de trabalho. Converte rótulos em números: ['male', 'female', 'male'] -> [0, 1, 0]. Veja esta resposta para mais informações.

Eu acho que em resposta deve ser apontado que tipo de objeto você obtém em todos os métodos sugeridos acima: é Series ou DataFrame.

Quando você obtém a coluna por w.female.ou w[[2]](onde, suponha, 2 é o número da sua coluna), você recupera o DataFrame. Portanto, neste caso, você pode usar métodos do DataFrame como .replace.

Quando você usa .locou ilocvocê voltar série, e série não tem .replacemétodo, então você deve usar métodos como apply, mape assim por diante.