熊猫：将多个类别合并为一个

Question

比方说，我有类别1到10，并且我想将red分配到值3到5,​​到1,6和7,blue到2,8,9和10。和10.

我该怎么做？如果我尝试

df.cat.rename_categories(['red','green','blue']) 

我得到一个错误：ValueError: new categories need to have the same number of items than the old categories!但如果我把这个

df.cat.rename_categories(['green','blue','red', 'red', 'red' 
         'green', 'green', 'blue', 'blue' 'blue']) 

我会得到一个错误，指出有重复的值。

我能想到的唯一的其他方法是编写一个for循环，它将通过值的字典并替换它们。有没有更优雅的解决这个问题？

Answer 1

不确定优雅，但是如果你把旧到新的类别的字典，类似的信息（注意添加“紫”）：

>>> m = {"red": [3,4,5], "green": [1,6,7], "blue": [2,8,9,10], "purple": [11]} 
>>> m2 = {v: k for k,vv in m.items() for v in vv} 
>>> m2 
{1: 'green', 2: 'blue', 3: 'red', 4: 'red', 5: 'red', 6: 'green', 
7: 'green', 8: 'blue', 9: 'blue', 10: 'blue', 11: 'purple'} 

你可以用它来建立一个新的分类系列：

>>> df.cat.map(m2).astype("category", categories=set(m2.values())) 
0 green 
1  blue 
2  red 
3  red 
4  red 
5 green 
6 green 
7  blue 
8  blue 
9  blue 
Name: cat, dtype: category 
Categories (4, object): [green, purple, red, blue] 

（如果你关心的分类排序或有序的等价物），您不需要categories=set(m2.values())如果你确信所有分类值将在该列中可以看出。但是在这里，如果我们没有这样做，我们就不会在结果分类中看到purple，因为它是从它实际看到的类别构建而成的。

当然，如果你已经建立了你的清单['green','blue','red', etc.]，直接使用它直接创建一个新的分类列并完全绕过这个映射也是一样简单。