Pandas-AttributeError:“DataFrame”对象没有属性“map”

map是一种可以对pandas.Series对象调用的方法。pandas.DataFrame对象上不存在此方法。

df['new'] = df['old'].map(d)

在代码中^^^ df['old'] 由于某种原因正在返回pandas.Dataframe对象。

• 古老的 数据帧中的列。

• 或者,您的代码可能与您给出的示例不完全相同。

• 无论哪种方式,错误都存在,因为您正在呼叫 地图() 在pandas.Dataframe对象上

主要问题是在选择之后 old 列获取 DataFrame Series 所以 map 尚未实施 系列 失败。

这里应该是重复的列 古老的 ,因此,如果选择一列,它将返回所有列 在里面 数据帧

df = pd.DataFrame([[1,3,8],[4,5,3]], columns=['old','old','col'])
print (df)
   old  old  col
0    1    3    8
1    4    5    3

print(df['old'])
   old  old
0    1    3
1    4    5

#dont use dict like variable, because python reserved word
df['new'] = df['old'].map(d)
print (df)

AttributeError:“DataFrame”对象没有属性“map”

此列中重复数据消除的可能解决方案:

s = df.columns.to_series()
new = s.groupby(s).cumcount().astype(str).radd('_').replace('_0','')
df.columns += new
print (df)
   old  old_1  col
0    1      3    8
1    4      5    3

MultiIndex 在列中,通过以下方式进行测试:

mux = pd.MultiIndex.from_arrays([['old','old','col'],['a','b','c']])
df = pd.DataFrame([[1,3,8],[4,5,3]], columns=mux)
print (df)
  old    col
    a  b   c
0   1  3   8
1   4  5   3

print (df.columns)
MultiIndex(levels=[['col', 'old'], ['a', 'b', 'c']],
           codes=[[1, 1, 0], [0, 1, 2]])

解决方案是扁平化 :

#python 3.6+
df.columns = [f'{a}_{b}' for a, b in df.columns]
#puthon bellow
#df.columns = ['{}_{}'.format(a,b) for a, b in df.columns]
print (df)
   old_a  old_b  col_c
0      1      3      8
1      4      5      3

另一个解决方案是映射方式 使用tuple并分配给new tuple

df[('new', 'd')] = df[('old', 'a')].map(d)
print (df)
  old    col new
    a  b   c   d
0   1  3   8   A
1   4  5   3   D

print (df.columns)
MultiIndex(levels=[['col', 'old', 'new'], ['a', 'b', 'c', 'd']],
           codes=[[1, 1, 0, 2], [0, 1, 2, 3]])

import pandas as pd
f_dict = {1:0,2:1,3:2}
m = pd.Series([1,2,3])
res = m.map(f_dict)
print(res)

import pandas as pd
f_dict = {1:0,2:1,3:2}
m = pd.DataFrame([1,2,3])
res = m.map(f_dict)
print(res)