如何在Pandas DataFrame中为列添加含else条件的标签？

嘿，我看到你的问题啦，咱们一步步来解决～

首先，你遇到的问题大概率是因为字典定义时的语法错误：你写的label_dict = {'CRIME':1, 'BUSINESS':2, 'SPORTS':3 'ARTS':4}里，'SPORTS':3后面少了个逗号，这会直接导致字典创建失败，后续的apply操作自然会出问题。先把这个小错误修复掉，咱们再看其他优化方案。

方法一：修复你的原代码 #

把字典的语法修正后，你的apply逻辑本身是完全可行的：

import pandas as pd

data = [['CRIME', 10], ['BUSINESS', 15], ['SPORTS', 12],  ['TRAVEL', 2], ['WELLNESS', 3], ['ARTS', 25]]
df = pd.DataFrame(data, columns=['category', 'no'])

# 修复字典的逗号问题
label_dict = {'CRIME':1, 'BUSINESS':2, 'SPORTS':3, 'ARTS':4}

# 你的apply方法，现在可以正常运行了
df['label'] = df['category'].apply(lambda x : label_dict[x] if x in label_dict else 5)

print(df)

运行后就能得到你想要的结果，未匹配到的TRAVEL、WELLNESS都会被标记为5。

方法二：更简洁的Pandas向量化操作（推荐） #

其实Pandas自带的map()函数更适合做这种映射操作，搭配fillna()可以一步搞定，代码更清爽，效率也更高（尤其是数据量大的时候）：

df['label'] = df['category'].map(label_dict).fillna(5).astype(int)

• map(label_dict)会把category列中匹配到字典键的值替换成对应标签，未匹配到的会返回NaN
• fillna(5)把所有NaN替换成5
• astype(int)确保标签是整数类型（因为map后可能会变成浮点型）

方法三：用replace实现 #

你也可以用replace()函数来完成映射，逻辑和上面类似：

df['label'] = df['category'].replace(label_dict).fillna(5).astype(int)

如果担心字符串匹配的问题，可以加上regex=False参数（默认就是False，这里可以明确写出来）：

df['label'] = df['category'].replace(label_dict, regex=False).fillna(5).astype(int)

这几种方法都能实现你的需求，其中map()+fillna()是最推荐的，因为它更符合Pandas的向量化操作理念，代码简洁且执行效率高。

备注：内容来源于stack exchange，提问作者Bluetail