Buen día,
Nota: Al utilizar pandas es recomendable no utilizar ciclos (Por ejemplo for
) para iterar en los elementos, hay métodos optimizados que trabajan con el dataset rápida y eficientemente. En la mayoría de los casos, si lo que quieres hacer crees que se puede hacer con un for entonces es el camino incorrecto (O el que va a tardar más y tener mayor impacto al procesador). En esos casos, si no hay un método directo que realice la tarea entonces apply podría ser una buena opción, como último recurso sería utilizar ciclos.
La forma más fácil para realizar lo que buscas es utilizar pandas.DataFrame.replace
con un diccionario (Casi lo logras) pero el diccionario debe tener como llaves las palabras que buscas y como valores las palabras que se utilizarán para reemplazar.
Es decir, algo así:
diccionario = {'ALICANTE': 'CCAA Com. Valenciana', 'CASTELLÓN': 'CCAA Com. Valenciana', 'VALENCIA': 'CCAA Com. Valenciana', 'MADRID': 'CCAA Madrid'}
Ahora, en tu pregunta no mencionas si las palabras siempre van a estar en mayúsculas o si va a haber combinaciones con mayúsculas y minúsculas, por ejemplo así:
provincia
0 ALICANTE
1 CASTELLÓN
2 VALENCIA
3 Alicante
4 Castellón
5 Valencia
6 Madrid
7 MADRID
Nota adicional: Las vocales con tilde van acentuadas aunque sean mayúsculas.
Entonces si hay combinaciones en filas con valores únicamente en mayúsculas o si tienen mayúsculas y minúsculas es mejor utilizar un regex
(Del inglés Regular Expression
). Para considerar valores sin distinción de mayúsculas y minúsculas podemos utilizar el regex
(?i)
antes de las palabras, por ejemplo:
diccionario = {'(?i)ALICANTE': 'CCAA Com. Valenciana', '(?i)CASTELLÓN': 'CCAA Com. Valenciana', '(?i)VALENCIA': 'CCAA Com. Valenciana', '(?i)MADRID': 'CCAA Madrid'}
Esto va a ocasionar que las palabras coincidan sin importar si son solo mayúsculas, minúsculas o alguna combinación de ambas.
Ejemplo completo (Los datos los puse en un archivo "sample2.csv"):
import pandas as pd
df = pd.read_csv('sample2.csv')
diccionario = {'(?i)ALICANTE': 'CCAA Com. Valenciana', '(?i)CASTELLÓN': 'CCAA Com. Valenciana', '(?i)VALENCIA': 'CCAA Com. Valenciana', '(?i)MADRID': 'CCAA Madrid'}
df = df.replace({'provincia': diccionario}, regex=True)
Al imprimir df
obtenemos el siguiente dataframe
:
provincia
0 CCAA Com. Valenciana
1 CCAA Com. Valenciana
2 CCAA Com. Valenciana
3 CCAA Com. Valenciana
4 CCAA Com. Valenciana
5 CCAA Com. Valenciana
6 CCAA Madrid
7 CCAA Madrid
'ALICANTE','CASTELLON','VALENCIA'
debe sustituirse por'CCAA Com. Valenciana'
? Por favor edita tu pregunta y agrega algunas filas de los datos que tienes, hay muchos usuarios (Me incluyo) que no conocemos las provincias y comunidades autónomas de España, deberías ser más específico con lo que debería hacer el código. Te recomiendo leer Cómo preguntar y realizar el recorrido de bienvenida.'CCAA Com. Valenciana'
¿Eso quiere decir que cualquiera de las 3 palabras debe ser sustituida por'CCAA Com. Valenciana'
?