忽略NaN时从pandas.dataframe替换低频分类值

如何替换pandas.DataFrame中很少出现的某些列中的值，即出现频率较低（忽略NaN）的值？

例如，在下面的数据框中，假设我要替换列A或B中在其各自列中出现少于三次的任何值。我想将这些替换为“其他”：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':['ant','ant','cherry', pd.np.nan, 'ant'], 'B':['cat','peach', 'cat', 'cat', 'peach'], 'C':['dog','dog',pd.np.nan, 'emu', 'emu']})
df
   A   |   B   |  C  |
----------------------
ant    | cat   | dog |
ant    | peach | dog |
cherry | cat   | NaN |
NaN    | cat   | emu |
ant    | peach | emu |

换句话说，在A列和B列中，我想替换那些出现两次或更少（但不要理会NaN）的值。

所以我想要的输出是：

   A   |   B   |  C  |
----------------------
ant    | cat   | dog |
ant    | other | dog |
other  | cat   | NaN |
NaN    | cat   | emu |
ant    | other | emu |

这与先前发布的问题有关：从pandas.dataframe删除低频值

但那里的解决方案导致出现“ AttributeError：'NoneType'对象没有属性'any'。”（我想是因为我有NaN值？）

这与根据value_counts（）在pandas数据框中更改值非常相似。您可以向lambda函数添加条件以排除列“ C”，如下所示：

df.apply(lambda x: x.mask(x.map(x.value_counts())<3, 'other') if x.name!='C' else x)
Out: 
       A      B    C
0    ant    cat  dog
1    ant  other  dog
2  other    cat  NaN
3    NaN    cat  emu
4    ant  other  emu

这基本上是遍历列。对于每一列，它都会生成值计数并将该系列用于映射。这允许x.mask检查条件计数是否小于3。如果是这样，它将返回“ other”，否则返回实际值。最后，条件检查列名。

拉姆达的情况可以通过将其更改为一概而论多个列x.name not in 'CDEF'或x.name not in ['C', 'D', 'E', 'F']从x.name!='C'。