Jupyter中SicCodes列映射公司类别：循环实现遇错求优化

问题分析 #

你当前的代码存在两个核心问题：

• 自定义函数to_code_range仅支持单个值处理，无法直接作用于整个Series（DataFrame列）
• 遍历赋值时误用了列值作为索引（report['SICCode.SicText_1'][i]中的i是SicCodes的取值，不是DataFrame的索引），导致赋值报错

同时，原函数存在冗余（重复的Mining判断）、类型处理不严谨（未处理"None Supplied"这类字符串值）的问题。

优化方案 #

方案1：使用pandas.Series.apply（简单直观） #

先修正to_code_range函数，完善类型处理和逻辑，再用apply批量处理整列：

import numpy as np
import pandas as pd

mappings = [
    (1000, 9990, 'Agriculture'),
    (10000, 14990, 'Mining'),
    (15000, 17990, 'Construction'),
    (18000, 19990, 'not used'),
    (20000, 39990, 'Manufacturing'),
    (40000, 49990, 'Utility Services'),
    (50000, 51990, 'Wholesale Trade'),
    (52000, 59990, 'Retail Trade'),
    (60000, 69200, 'Financials'),
    (70000, 90040, 'Services'),
    (91000, 97290, 'Public Administration'),
    (98000, 99990, 'Nonclassifiable'),
]

def to_code_range(valeur):
    # 处理空值或指定字符串
    if pd.isna(valeur) or valeur == "None Supplied":
        return np.nan
    # 尝试转换为整数，捕获异常
    try:
        code = int(valeur)
    except (ValueError, TypeError):
        print(f"无法转换为整数：{valeur}")
        return np.nan
    # 遍历映射区间匹配
    for code_from, code_to, name in mappings:
        if code_from <= code <= code_to:
            return name
    # 不在任何区间的返回空值
    return np.nan

# 批量处理整列
report['SICCode.SicText_1'] = report['SicCodes'].apply(to_code_range)

方案2：使用pd.cut（性能更优，适合大数据集） #

对于区间映射场景，pandas.cut是矢量化操作，比apply效率高很多，尤其当数据量较大时：

import pandas as pd
import numpy as np

# 提取区间边界和对应类别
bins = [-np.inf] + [x[0] for x in mappings] + [np.inf]
labels = [x[2] for x in mappings]

# 先处理SicCodes列的类型转换，异常值转为空值
report['SicCodes_clean'] = pd.to_numeric(report['SicCodes'], errors='coerce')

# 使用cut完成区间映射
report['SICCode.SicText_1'] = pd.cut(
    report['SicCodes_clean'],
    bins=bins,
    labels=labels,
    include_lowest=True
)

# 可选：删除中间辅助列
report.drop('SicCodes_clean', axis=1, inplace=True)

关键改进点 #

• 类型安全：增加异常捕获，处理非数值、空值、"None Supplied"等特殊情况
• 避免索引错误：使用pandas原生批量处理方法，不再手动遍历赋值
• 性能优化：方案2的pd.cut是矢量化操作，比循环/apply效率提升一个数量级
• 代码简洁：复用mappings列表，避免重复的if判断逻辑

内容的提问来源于stack exchange，提问作者Florian