如何更换大熊猫数据帧罕见的元素

我有一个熊猫数据框，看起来像这样：如何更换大熊猫数据帧罕见的元素

      Date Time Spent (seconds)      Activity 
    0  2017-03-23T00:00:00     92     netflix.com 
    1  2017-03-23T00:05:00     158     netflix.com 
    2  2017-03-23T00:25:00     285     netflix.com 
    3  2017-03-23T00:30:00      5     netflix.com 
    4  2017-03-23T00:40:00     214     netflix.com 
    5  2017-03-23T00:45:00     300     netflix.com 
    6  2017-03-23T00:45:00      5 Google Calendar for Android 
    7  2017-03-23T00:45:00      3     Google Now 
    8  2017-03-23T00:45:00      1   LinkedIn - Android 
    9  2017-03-23T00:50:00     33     netflix.com 
    10  2017-03-23T01:10:00     167     netflix.com

当我做了系列活动value_counts我得到如下：

WhatsApp Messenger Android   1111 
    netflix.com       881 
    mendeley desktop      756 
    sharelatex.com       722 
    Google Now        647 
    newtab         584 
    google.co.uk       501 
    microsoft word       449

我会喜欢用字符串'other'来替换原始数据框中的计数/出现次数小于20的系列活动中的所有项目。

我已经考虑/尝试通过手动迭代数据框并替换它们来做到这一点，但我的数据框有几万行，这是非常低效的。什么是更好的方法来实现这一目标？

来源

2017-06-23 Abdel Wahab Turkmani

让我们用groupby和transform：

df.assign(Activity=df.groupby('Activity')['Activity'].transform(lambda x: x if x.size>=20 else 'other'))

来源

2017-06-23 20:17:54

你可以使用pd.Series.map这是非常快：

VC = df['Activity'].value_counts() 
df['Activity'] = df['Activity'].map(lambda p : p if VC[p]>20 else 'other')

来源

2017-06-23 20:22:46

谢谢！这工作，非常快:) –

df.loc[df.Activity.isin(vc.index[vc<20].values), 'Activity'] = 'other'

其中vc是value_counts

结果

来源

2017-06-23 20:25:05 MaxU

如何更换大熊猫数据帧罕见的元素

回答

相关问题