如何为DataFrame新增MemWeight列存储Weighting值在mem_list中的索引？

错误原因 #

你原来的代码报错是因为mem_list.index()只能接收单个值，而df["Weighting"]是一个Pandas Series（一组数据），直接传进去会让Python无法判断整个Series的布尔值，所以抛出"truth value ambiguous"的错误。

可行解决方案 #

方法一：字典映射（效率最高，推荐）

先把mem_list转换成元素:索引的映射字典，再用Series.map()批量处理：

# 创建元素到索引的映射字典
weight_to_index = {val: idx for idx, val in enumerate(mem_list)}
# 新增MemWeight列
df["MemWeight"] = df["Weighting"].map(weight_to_index)

这种方法处理大数据量时速度最快，因为字典查找是O(1)时间复杂度。

方法二：apply逐元素处理

对Weighting列的每个元素单独调用mem_list.index()：

df["MemWeight"] = df["Weighting"].apply(lambda x: mem_list.index(x))

注意：如果Weighting里存在mem_list没有的值，会抛出ValueError，可以加默认值处理：

df["MemWeight"] = df["Weighting"].apply(lambda x: mem_list.index(x) if x in mem_list else -1)

方法三：分类数据类型（适合后续分类操作场景）

利用Pandas的Categorical类型指定顺序，通过codes属性直接获取索引：

df["MemWeight"] = pd.Categorical(df["Weighting"], categories=mem_list, ordered=True).codes

如果元素不在mem_list中，会自动返回-1，无需额外处理。

运行后你会看到，df["MemWeight"]中大部分值为4（对应mem_list里的2），第12行（索引11）的值为1（对应mem_list里的1.97），符合预期。

内容的提问来源于stack exchange，提问作者Robsmith