如何将DataFrame列的每个值转换为对应的标识整数？

嘿，这事儿很简单，有几种高效的方法能帮你完成Value列的批量替换，我给你详细说说：

方法1：使用replace()方法（最直观） #

replace()是Pandas里专门做值替换的方法，直接传入一个映射字典就可以批量替换所有匹配项，完全符合你的需求：

import pandas as pd
df = pd.DataFrame(dict(NoMatter=list(range(6)), Value=['a','b',7,7,'b','b']))

# 定义替换规则字典
replace_mapping = {'a': 1, 'b': 2, 7: 3}
# 对Value列执行替换
df['Value'] = df['Value'].replace(replace_mapping)

print(df)

运行后你会得到期望的结果：

NoMatter Value
0 0 1
1 1 2
2 2 3
3 3 3
4 4 2
5 5 2

这个方法的好处是：即使列里有不在映射字典中的值，也不会被修改，只会替换指定的内容，非常安全。

方法2：使用map()方法（适合严格映射） #

如果确定Value列的所有值都在你的映射规则里，也可以用map()方法，它会直接把每个值映射成字典对应的value：

import pandas as pd
df = pd.DataFrame(dict(NoMatter=list(range(6)), Value=['a','b',7,7,'b','b']))

# 同样用映射字典
map_mapping = {'a': 1, 'b': 2, 7: 3}
df['Value'] = df['Value'].map(map_mapping)

print(df)

⚠️ 注意：如果Value列存在不在映射字典里的值，map()会把这些值转换成NaN。如果担心这种情况，可以搭配fillna()保留原始值：

df['Value'] = df['Value'].map(map_mapping).fillna(df['Value'])

两种方法都能完美实现你的需求，选哪个全看你的实际场景~

内容的提问来源于stack exchange，提问作者Ewdlam