Pandas混合数据类型列映射生成新列失败，求解决方法

你遇到的问题核心有两个：

• 映射字典方向错误：map()需要的是「原数据值→目标分类」的键值对，你当前的字典是「分类→编码列表」，逻辑完全相反
• 数据类型不匹配：ADMIMETH列是字符串类型（如'11'），但字典里的计划内编码是整数（如11），类型不一致导致无法匹配

以下是两种可行的解决方法：

方法1：重构映射字典（推荐） #

将字典调整为「编码字符串→分类」的格式，统一所有编码为字符串类型，直接用map()完成匹配：

import pandas as pd

# 构建正确的映射关系，所有编码转为字符串
adm_mapping = {}
# 添加计划内编码
for code in [11, 12, 13]:
    adm_mapping[str(code)] = 'planned'
# 添加非计划内编码
for code in ['2A', '2B', '2C', '2D', 28, 31, 32, 21, 22, 23, 24, 25]:
    adm_mapping[str(code)] = 'non_planned'

df2 = pd.DataFrame({"ADMIMETH": ['11', '2D', '22']})
df2['pl_nonpl'] = df2['ADMIMETH'].map(adm_mapping)
print(df2)

运行结果：

ADMIMETH    pl_nonpl
0       11      planned
1       2D  non_planned
2       22  non_planned

方法2：用apply()结合条件判断 #

如果需要保留原字典结构，可以先统一编码类型，再通过apply()遍历判断：

import pandas as pd

adm_dictionary = {'planned': [11, 12, 13], 'non_planned': ['2A', '2B', '2C', '2D', 28, 31, 32, 21, 22, 23, 24, 25]}
# 把字典内的所有编码转为字符串，统一类型
planned_codes = [str(c) for c in adm_dictionary['planned']]
non_planned_codes = [str(c) for c in adm_dictionary['non_planned']]

df2 = pd.DataFrame({"ADMIMETH": ['11', '2D', '22']})

def classify_admission(code):
    if code in planned_codes:
        return 'planned'
    elif code in non_planned_codes:
        return 'non_planned'
    return None  # 处理不在编码范围内的情况

df2['pl_nonpl'] = df2['ADMIMETH'].apply(classify_admission)
print(df2)

此方法输出结果与方法1一致，适合需要保留原字典结构的场景。

内容的提问来源于stack exchange，提问作者capnahab