Python中如何对不在指定集合内的变量值进行重编码

假设你用Pandas处理这个数据列，下面是几种高效的实现方式：

1. 构造原始数据 #

先把给出的数据集转换成Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({'a': ['Apple', 'Apple', 'Pear', 'Banana', 'Apple', 'Orange']})

2. 核心处理逻辑 #

指定需要保留的取值集合 {'Apple', 'Orange'}，将不在集合内的值替换为'x'，以下是三种常用方法：

方法一：使用where()方法

where()会保留满足条件的原值，不满足条件的替换为指定值：

keep_set = {'Apple', 'Orange'}
df['a'] = df['a'].where(df['a'].isin(keep_set), 'x')

方法二：使用mask()方法

mask()与where()逻辑相反，满足条件时替换为指定值，这里用~取反筛选不在集合内的元素：

keep_set = {'Apple', 'Orange'}
df['a'] = df['a'].mask(~df['a'].isin(keep_set), 'x')

方法三：使用replace()方法

先生成「非保留值→'x'」的映射字典，再批量替换：

keep_set = {'Apple', 'Orange'}
replace_map = {val: 'x' for val in df['a'].unique() if val not in keep_set}
df['a'] = df['a'].replace(replace_map)

处理后结果 #

执行任意一种方法后，得到的DataFrame如下：

a
0  Apple
1  Apple
2     x
3     x
4  Apple
5  Orange

内容的提问来源于stack exchange，提问作者Englishman Bob