如何优雅编写并批量应用处理538男性气质调查Q0004列的函数

问题背景 #

我正在研究538男性气质调查数据，其中Q0004问题被拆分为q0004_0001至q0004_0006等子列，问题内容为：

你从哪些地方获得关于‘如何成为好男人’的观念？（可多选）
Father or father figure(s)
Mother or mother figure(s)
Friends
Other family members
Pop culture

原实现代码如下，希望得到更优雅的写法：

def q0004_to_numeric(x):
    if x=='Not selected':                 return 0
    if x=='Father or father figure(s)':   return 1
    if x=='Mother or mother figure(s)':   return 1
    if x=='Other family members':         return 1
    if x=='Pop culture':                  return 1
    if x=='Friends':                      return 1
    if x=='Other (please specify)':       return 1

# Applying the function to the q0004 variable
masc_survey_response['q0004_0001'] = masc_survey_response['q0004_0001'].apply(q0004_to_numeric)
masc_survey_response['q0004_0002'] = masc_survey_response['q0004_0002'].apply(q0004_to_numeric)
masc_survey_response['q0004_0003'] = masc_survey_response['q0004_0003'].apply(q0004_to_numeric)
masc_survey_response['q0004_0004'] = masc_survey_response['q0004_0004'].apply(q0004_to_numeric)
masc_survey_response['q0004_0005'] = masc_survey_response['q0004_0005'].apply(q0004_to_numeric)
masc_survey_response['q0004_0006'] = masc_survey_response['q0004_0006'].apply(q0004_to_numeric)

优雅写法方案 #

方案1：简化函数+批量列处理 #

先简化转换逻辑，再通过正则匹配批量处理所有Q0004子列：

# 简化转换逻辑：仅区分"未选择"和其他选项
def q0004_to_numeric(x):
    return 0 if x == 'Not selected' else 1

# 批量获取所有Q0004前缀的列
q0004_cols = masc_survey_response.filter(regex='^q0004_').columns
# 对所有匹配列统一应用转换
masc_survey_response[q0004_cols] = masc_survey_response[q0004_cols].applymap(q0004_to_numeric)

方案2：无函数矢量化操作（更高效） #

利用Pandas矢量化特性直接处理，无需自定义函数，性能更优：

# 批量匹配目标列
q0004_cols = masc_survey_response.filter(regex='^q0004_').columns
# 直接通过布尔判断转数值：非"Not selected"即为1，否则为0
masc_survey_response[q0004_cols] = (masc_survey_response[q0004_cols] != 'Not selected').astype(int)

优化点说明 #

• 逻辑简化：原函数中多个if分支本质是二元判断（仅Not selected返回0，其余返回1），用三元表达式或布尔判断即可替代，代码更简洁
• 批量处理：通过filter(regex='^q0004_')自动匹配所有目标列，避免手动重复写列名，同时兼容后续可能新增的同前缀列
• 性能提升：矢量化操作(astype(int))比applymap效率更高，尤其在数据量较大时优势明显

内容的提问来源于stack exchange，提问作者Oliver S