Python Pandas中基于Pos_ID生成Emp_Type列结果全为'A'的问题

• 判断逻辑错误：你定义的manager、consult、ast是元组，但判断时用manager == code，这是拿整个元组和单个Pos_ID值比较，永远不会相等，所以所有分支都走到else，结果全是'A'。
• 语法遗漏：for code in df['Pos_ID']后面缺少冒号:，如果实际运行没报错，应该是你输入时漏写了，但这是潜在语法问题。

方法1：修正循环逻辑（不推荐，效率偏低） #

把判断条件改成code in 元组的形式，补全语法：

manager = (11014,11015,11018,11024)
consult = (11013, 11017)
ast = (11016,11027)

Emp_Type = []
for code in df['Pos_ID']:
    if code in manager:
        Emp_Type.append('M')
    elif code in consult:
        Emp_Type.append('C')
    else:
        Emp_Type.append('A')
df['Emp_Type'] = Emp_Type

方法2：Pandas内置高效处理（推荐，适配5000+数据） #

Pandas原生方法比Python循环快得多，适合批量数据处理，以下是几种常用方式：

方式A：字典映射 + map #

先构建Pos_ID到员工类型的映射字典，再批量转换：

type_mapping = {
    11014: 'M', 11015: 'M', 11018: 'M', 11024: 'M',
    11013: 'C', 11017: 'C',
    11016: 'A', 11027: 'A'
}
# 用fillna处理不在映射列表中的值，默认设为'A'
df['Emp_Type'] = df['Pos_ID'].map(type_mapping).fillna('A')

方式B：replace批量替换 #

# 先替换经理和顾问的Pos_ID，未匹配的留空后填充为'A'
df['Emp_Type'] = df['Pos_ID'].replace({
    11014: 'M', 11015: 'M', 11018: 'M', 11024: 'M',
    11013: 'C', 11017: 'C'
})
df['Emp_Type'] = df['Emp_Type'].fillna('A')

方式C：numpy.where多层条件判断 #

import numpy as np

manager = (11014,11015,11018,11024)
consult = (11013, 11017)

df['Emp_Type'] = np.where(
    df['Pos_ID'].isin(manager), 'M',
    np.where(df['Pos_ID'].isin(consult), 'C', 'A')
)

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