如何基于索引匹配将数组元素映射到DataFrame列？

你可以通过以下两种简单方法实现需求，核心逻辑是把DataFrame列中的数值作为数组索引，取出对应元素替换，同时处理超出数组索引范围的情况：

方法一：使用map()结合自定义函数 #

这种方式灵活可控，能直接处理索引越界的情况：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'col1': [4, 3, 5, 3],
    'col2': [1, 2, 3, 1]
})
arr = ["low", "medium", "neutral", "high", "unknown"]

# 定义映射规则：数值在数组索引范围内取对应元素，否则取最后一个元素（unknown）
def map_to_arr(x):
    if 0 <= x < len(arr):
        return arr[x]
    return arr[-1]

# 对col1和col2分别应用映射
df['col1'] = df['col1'].map(map_to_arr)
df['col2'] = df['col2'].map(map_to_arr)

# 输出结果
print(df)

运行后会得到期望的结果：

col1     col2
0  unknown      low
1     high   medium
2  unknown     high
3     high      low

方法二：用字典映射+replace() #

先把数组的索引和元素转换成字典，再通过replace()替换，最后处理越界值：

import pandas as pd

df = pd.DataFrame({
    'col1': [4, 3, 5, 3],
    'col2': [1, 2, 3, 1]
})
arr = ["low", "medium", "neutral", "high", "unknown"]

# 生成索引-元素的映射字典
index_map = dict(enumerate(arr))

# 先替换已知索引的数值，再把超出范围的填充为unknown
df['col1'] = df['col1'].replace(index_map).fillna(arr[-1])
df['col2'] = df['col2'].replace(index_map).fillna(arr[-1])

这种方法代码更简洁，同样能达到目标效果。

内容的提问来源于stack exchange，提问作者Aditya sharma