Bedingte Ersatz in Pandas

Question

Ich habe einen Datenrahmen über mehrere Jahre und irgendwann änderten sie die Codes für ethnische Zugehörigkeit. Also muss ich die Werte für das Jahr rekodieren - das ist eine andere Spalte im selben Datenrahmen. Zum Beispiel 1 bis 3, 2 bis 3, 3 bis 4 und so weiter:

old = [1, 2, 3, 4, 5, 91] 
new = [3, 3, 4, 2, 1, 6] 

Und dies ist nur für die Jahre 1996 bis 2001. Die Werte für die anderen Jahre in der gleichen Spalte (Ethnizität) erfolgen muss nicht geändert werden. In der Hoffnung, zu viele ineffiziente Schleifen zu vermeiden, habe ich versucht:

recode_years = range(1996,2002) 
    for year in recode_years: 
     df['ethnicity'][df.year==year].replace(old, new, inplace=True) 

Aber die ursprünglichen Werte im Dataframe haben sich nicht geändert. Die replace-Methode selbst hat die neuen Werte korrekt ersetzt und zurückgegeben, aber die Option inplace scheint den ursprünglichen Datenrahmen nicht zu beeinflussen, wenn eine Bedingung angewendet wird. Dies kann für erfahrene Pandas-Benutzer offensichtlich sein, aber sicherlich muss es einen einfachen Weg geben, dies zu tun, anstatt jedes einzelne Element zu durchlaufen.

Edit (x2): Her ist ein Beispiel für einen anderen Ansatz, der auch nicht funktioniert (und ‚Länge des Ersatzes muss Serienlänge gleich‘ „Typeerror: Array kann nicht sicher auf die gewünschte Art gegossen werden“):

oldNewMap = {1:2, 2:3} 
df2 = DataFrame({"year":[2000,2000,2000,2001,2001,2001],"ethnicity":[1,2,1,2,3,1]}) 
df2['ethnicity'][df2.year==2000] = df2['ethnicity'][df2.year==2000].map(oldNewMap) 

Edit: Es scheint ein Problem für die Installation/Version zu sein, da dies auf meinem anderen Computer funktioniert.

Answer 1

Es kann nur einfacher sein es eine andere Art und Weise zu tun:

oldNewMap = {1: 3, 2: 3, 3: 4, 4: 2, 5: 1, 91: 6} 
df['ethnicity'][df.year==year] = df['ethnicity'][df.year==year].map(oldNewMap)