如何将DataFrame中0/1值替换为Yes/No并保存回原DataFrame？

问题场景 #

需要将DataFrame中"Open"列的1/0替换为"Yes"/"No"，且后续要处理其他列，但之前的替换结果无法保存回原DataFrame。

正确解决方案 #

方法1：使用map函数（最简洁高效） #

直接通过字典映射替换值，适合单列批量替换：

merged_stores["Open"] = merged_stores["Open"].map({1: "Yes", 0: "No"})

后续处理其他列时，只需替换列名即可，比如处理"Holiday"列：

merged_stores["Holiday"] = merged_stores["Holiday"].map({1: "Yes", 0: "No"})

方法2：修正你自定义的change函数用法 #

你的自定义函数逻辑没问题，但之前的apply调用方式导致无法正确赋值。可以直接对单列调用apply：

def change(val):
    if val == 1:
        return "Yes"
    else:
        return "No"

# 直接对单列操作并赋值
merged_stores["Open"] = merged_stores["Open"].apply(change)

如果必须用行级apply（不推荐，效率低于单列操作），写法如下：

merged_stores["Open"] = merged_stores.apply(lambda x: change(x["Open"]), axis=1)

方法3：使用numpy.where函数 #

适合条件明确的替换场景：

import numpy as np

merged_stores["Open"] = np.where(merged_stores["Open"] == 1, "Yes", "No")

为什么之前的方法失败？ #

• 你用merged_stores[["Open"]].apply(...)操作的是DataFrame子集，返回的是Series，但直接赋值给merged_stores[["Open"]]时，易因索引或维度匹配问题失效，改成操作单列merged_stores["Open"]即可解决。
• apply函数本身没有inplace=True参数，设置该参数无效。
• 若创建新DataFrame后赋值，需确保新列的索引与原DataFrame完全一致，否则会出现缺失值或赋值失败。

内容的提问来源于stack exchange，提问作者Kyle