使用map和replace转换DataFrame列时出现NaN及未替换问题

• 强制统一数据类型：
  有时候numpy整数类型（如numpy.int64）和Python原生整数会存在隐性不匹配，导致字典键值无法匹配。先把emotion列转为Python原生int：

  text_df['emotion'] = text_df['emotion'].astype(int)
  text_df['text'] = text_df['emotion'].map(label_to_text)
  

• 改用apply调用字典get方法：
  如果map依然失效，用apply直接调用字典的get方法，兼容性更强：

  text_df['text'] = text_df['emotion'].apply(lambda x: label_to_text.get(x))
  

• 验证标签完整性：
  确认emotion列的所有值都存在于字典键中，避免因遗漏值导致NaN：

  missing = text_df[~text_df['emotion'].isin(label_to_text.keys())]['emotion'].unique()
  print(f"无映射的标签：{missing}")
  

• 重置索引（可选）：
  若DataFrame索引与emotion列存在混淆，先重置索引再尝试映射：

  text_df = text_df.reset_index(drop=True)
  text_df['text'] = text_df['emotion'].map(label_to_text)
  

内容的提问来源于stack exchange，提问作者Chubiblan