Pandas中如何将item列计数≤1的低频次项替换为other

核心实现逻辑 #

• 第一步：统计item列每个独立取值的出现频次
• 第二步：按照预设的频次阈值构建映射规则：频次达标的取值映射为自身，低于阈值的取值统一映射为other
• 第三步：将映射规则应用到item列，直接生成新的result列

完整可运行代码 #

import pandas as pd
df = pd.DataFrame({"item":['a','a','a','b','b','c','d']})

# 统计item列各值的出现频次
item_freq = df['item'].value_counts()
# 自定义频次阈值：出现次数 > threshold 的值保留原值，其余替换
threshold = 1
# 构建映射字典
value_mapping = {
    item_val: item_val if freq > threshold else 'other'
    for item_val, freq in item_freq.items()
}
# 映射生成result列
df['result'] = df['item'].map(value_mapping)

运行输出结果 #

item result
0    a      a
1    a      a
2    a      a
3    b      b
4    b      b
5    c  other
6    d  other

适配说明 #

• 直接修改threshold变量即可调整替换规则，无需改动核心逻辑。例如设置threshold=2时，会将出现次数≤2的条目全部替换为other，对应输出为a值保留、b/c/d替换为other。
• 该实现对长文本类别、混合类型的类别列均有效，不受数据本身的类型限制。

内容的提问来源于stack exchange，提问作者william007