Pandas基于字典映射删DataFrame行遇Series不可哈希的解决方法
字典映射过滤场景下的pandas行删除正确实现
原代码df.drop(df[dic[df.id] == 'a'].index)触发TypeError: 'Series' objects are mutable, thus they cannot be hashed错误的核心原因,是直接将整列df.id(Series类型)作为字典查询键——字典仅支持可哈希的标量值作为查询键,而Series是可变对象,本身不可哈希,因此无法完成索引查询。
正确实现方式如下:
- 采用pandas内置的
Series.map方法批量完成映射(性能最优,无逐行遍历)
该方法可直接接收字典作为参数,批量将id列的每个值映射为字典对应的value,返回和原DataFrame行索引完全对齐的映射结果,再基于映射结果筛选出需要删除的行的索引,传入drop方法完成删除。
示例代码:dic = {1: 'a', 2: 'b'} # 先计算每行id的映射结果,再筛选映射值为'a'的行执行删除 id_mapped = df['id'].map(dic) df = df.drop(df[id_mapped == 'a'].index) - 简洁布尔索引写法(跳过drop逻辑直接保留目标行)
不需要显式调用drop方法,直接通过布尔索引筛选出id列经字典映射后值不为'a'的行,一步完成数据过滤,代码更简洁。
示例代码:df = df[df['id'].map(dic) != 'a']
*注意:不要使用逐行apply(如df.apply(lambda x: dic[x['id']], axis=1))的方式实现映射,这类逐行遍历的写法在处理大尺寸DataFrame时,性能远低于pandas内置的map方法。
内容的提问来源于stack exchange,提问作者Roy Wang
相关产品推荐
相关产品推荐

