Pandas对LotShape列Lambda编码异常及assign报错问题求助

第一种尝试的问题分析 #

1. 函数参数与逻辑错误：
   • 你写的irreg函数接收的是整个df['LotShape'] Series，但map是对df['LotShape']的每个元素逐个处理，函数应该接收单个元素而非整个Series。
   • 条件判断if 'IR1' or 'IR2' or 'IR3' in df['LotShape']逻辑完全错误：'IR1'是字符串常量，本身为真，导致这个条件永远成立，所有结果都会返回2。正确逻辑是判断当前元素是否在['IR1','IR2','IR3']列表中。

修正后的第一种写法：

def irreg(x):
    if x in ['IR1', 'IR2', 'IR3']:
        return 2
    else:
        return 1

df['LotShape_encoded'] = df['LotShape'].apply(irreg)
# 或者用map更简洁
# df['LotShape_encoded'] = df['LotShape'].map(lambda x: 2 if x in ['IR1','IR2','IR3'] else 1)

# 验证结果
print(df.LotShape_encoded.value_counts())

第二种尝试的问题分析 #

1. 循环逻辑无效：遍历df['LotShape']的元素i时，修改i的值不会对原Series产生任何影响，最终返回的还是原始列，完全没实现编码。
2. assign用法错误：df.assign()需要传入关键字参数定义新列，比如assign(LotShape_encoded=lambda x: ...)，你直接把lambda作为位置参数传入，导致参数数量不匹配报错。

更简洁的Pandas原生写法 #

不需要自定义函数，用Pandas内置方法更高效：

方法1：使用replace #

df['LotShape_encoded'] = df['LotShape'].replace({'Reg':1, 'IR1':2, 'IR2':2, 'IR3':2})

方法2：使用np.where #

import numpy as np
df['LotShape_encoded'] = np.where(df['LotShape'].isin(['IR1','IR2','IR3']), 2, 1)

方法3：使用apply（简化版） #

df['LotShape_encoded'] = df['LotShape'].apply(lambda x: 2 if x.startswith('IR') else 1)

以上几种方法都能正确实现编码逻辑，验证后结果会和原始数据对应：1对应925条，2对应484+41+10=535条。

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