Pandas: neue Werte basierend auf dem ersten Zeichen abbilden

Question

Gibt es eine Möglichkeit, neue Werte auf einer Datenrahmenspalte basierend auf dem ersten Zeichen der aktuellen Werte abzubilden.

Mein aktueller Code:

ncesvars['urbantype'] = np.where(ncesvars['urbantype'].str.startswith('1'), 'city', ncesvars['urbantype']) 
ncesvars['urbantype'] = np.where(ncesvars['urbantype'].str.startswith('2'), 'suburban', ncesvars['urbantype']) 
ncesvars['urbantype'] = np.where(ncesvars['urbantype'].str.startswith('3'), 'town', ncesvars['urbantype']) 
ncesvars['urbantype'] = np.where(ncesvars['urbantype'].str.startswith('4'), 'rural', ncesvars['urbantype']) 

Ich dachte an eine Art von dict und anschließend pd.replace, war aber nicht sicher, wie das zu tun mit .str.startswith()

Answer 1

Sie können eine dict Ihrer Kategorien definieren, verwenden str[0:1] die Daten in Scheiben schneiden und durch Testen map auf einer boolean-Maske Ihres Series nennen, ob das erste Zeichen der Daten in Ihrem dict Schlüssel ist, so dass nur sonst überschrieben werden passt Sie Überschreiben mit NaN wie es im folgende Beispiel keine Abbildung für die letzte Zeile ist:

In [16]: 
df = pd.DataFrame({'urbantype':['1 asdas','2 asd','3 asds','4 asdssd','5 asdas']}) 
df 

Out[16]: 
    urbantype 
0 1 asdas 
1  2 asd 
2 3 asds 
3 4 asdssd 
4 5 asdas 

In [18]: 
d = {'1':'city','2':'suburban', '3': 'town','4':'rural'} 
df.loc[df['urbantype'].str[0:1].isin(d.keys()), 'urbantype'] = df['urbantype'].str[0:1].map(d) 
df 

Out[18]: 
    urbantype 
0  city 
1 suburban 
2  town 
3  rural 
4 5 asdas 

Answer 2

versuchen etwas Ähnliches wie:

ncesvars['urbantype'] = ncesvars['urbantype'].replace({ 
    r'^1.*', 'city', 
    r'^2.*', 'suburban'}, 
    regex=True) 

Test:

In [32]: w 
Out[32]: 
    word 
0 1_A_ 
1 word03 
2 word02 
3 word00 
4 2xxx 
5 word04 
6 word01 
7 word02 
8 word04 
9 3aaa 

In [33]: w['word'].replace({r'^1.*': 'city', r'^2.*': 'suburban', r'^3.*': 'town'}, regex=True) 
Out[33]: 
0  city 
1  word03 
2  word02 
3  word00 
4 suburban 
5  word04 
6  word01 
7  word02 
8  word04 
9  town 
Name: word, dtype: object