我有一个分类数据框架，我想将其转换为数值数据。我有超过50列，所以我想在循环中运行.replace命令。

replace_map =  {'w': 4, '+': 5, '.': 6, 'g': 7}

我已经编写了遍历列的代码

for column in df1_replace.columns[1:76]:# 使用[]操作符通过列名选择列内容columnSeriesObj = df1_replace[column]print('列名 : ', column)print('列内容 : ', columnSeriesObj.values)

回答：

你可以使用dropna()和drop_duplicated()来实现。我使用了自己的样本数据，其中有一列没有值。

df看起来像这样

      0  1   2  3  40  2001  1 NaN  a  a1  2001  2 NaN  b  b2  2001  3 NaN  c  c3  2005  1 NaN  a  a4  2005  1 NaN  c  c

然后删除所有值为na(NaN)的列（how='all'）

df_new = df.dropna(how='all', axis=1)

对数据框进行转置，重复的列将变成重复的行。然后对其使用drop_duplicates来删除重复的行。将其转置回来以获得你的原始数据，去掉空列和重复列。

df_new = df_new.T.drop_duplicates().Tdf_new.columns = range(len(df_new.columns))print(df_new)