如何在Pandas DataFrame中将非指定值替换为'other'分类？

你可以用Pandas的where或mask方法快速实现需求，这两个方法能精准保留指定值、替换其余内容，以下是具体实现：

先创建示例DataFrame #

import pandas as pd

df = pd.DataFrame({
    'id': [1,2,3,4,5,6],
    'answer': ['Yes', 'Maybe', 'No', 'idk', 'wtf', 'wth']
})

方法1：严格匹配指定字符串 #

如果只需要保留Yes、No、Maybe这三个精确值，其他内容替换为other：

# 定义允许保留的取值集合
allowed_answers = {'Yes', 'No', 'Maybe'}
# 使用where：条件满足时保留原值，否则替换为'other'
df['answer'] = df['answer'].where(df['answer'].isin(allowed_answers), 'other')

方法2：不区分大小写匹配 #

如果需要兼容yes、YES、mAYbe等大小写变体，保留原合法值的同时替换其他内容：

# 转成小写后判断是否在目标集合，保留原字符串格式
df['answer'] = df['answer'].where(df['answer'].str.lower().isin({'yes', 'no', 'maybe'}), 'other')

等价方法：使用mask #

mask和where逻辑相反，取反条件后也能实现相同效果：

df['answer'] = df['answer'].mask(~df['answer'].isin(allowed_answers), 'other')

执行后你的DataFrame会变成：

id  answer
0   1     Yes
1   2   Maybe
2   3      No
3   4   other
4   5   other
5   6   other

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