如何高效替换pandas DataFrame中的值？

Question

我有一个很大的数据表（600,000行，2列），叫做data，第二列里有50,000个独特的值，这些值在数据中分布着。

数据大概长这样：

    image_id     term 
0   56127        23001  
1   56127        763003  
2   56127        51002  
3   26947        581007  
4   26947        14001  
5   26947        95000  
6   26947        92000  
7   26947        62004  
8   26947        224007
...600k more

另外，我还有一个叫terms_indexed的序列，它的索引是这50,000个术语，长得像这样。

            NewTerm
Term                  
23001          9100
763003          402
51002         10608
581007          900
14001         42107
95000           900
92000          4002
62004         42107
224007         9100
...50k more

我想用这个带有索引的序列来高效地替换原始数据表中的那些值。到目前为止，我是用以下这一行代码来完成这个替换的：

for i in range(data.shape[0]):
        data.loc[i, 'term'] = int(terms_indexed.ix[data.iloc[i][1]])

不过，这个替换操作花费的时间太长了。在一台配有8GB内存的英特尔i7处理器的电脑上，大约需要35分钟。我想知道有没有更好的方法来完成这个操作。谢谢！

Answer 1

如果我理解你的情况没错的话，你可以直接用 df['term'] = df['term'].map(terms_indexed) 这行代码。这里的 series1.map(series2) 就是把 series1 的值当作索引，去 series2 中查找对应的值，简单来说就是“翻译” series1 的内容。