如何用Python将DataFrame中Choices列的J/N替换为对应解释

在Python的DataFrame中，Choices列每行存储着以逗号分隔的J/N序列（如J,N,N,J）。需按序列位置为每个J/N映射对应文本：

• 第1位：J→New address、N→Old address
• 第2位：J→New car、N→Old car
• 第3位：J→New city、N→Old city
• 第4位：J→New area、N→Old area

最终生成Explanation列，输入输出示例如下：

输入表格 #

输出表格 #

这里提供两种实用的实现方式，可根据数据量和需求选择：

方法一：自定义映射+apply函数（直观易维护） #

先定义好每个位置的映射规则，再通过apply逐行处理Choices列，完成映射后拼接成目标文本：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Name': ['Henk', 'Tom', 'Tim'],
    'Choices': ['J,N,N,J', 'N,J,N,N', 'J,N,J,J']
})

# 按位置定义映射规则，索引0对应第1位，以此类推
position_mappings = [
    {'J': 'New address', 'N': 'Old address'},
    {'J': 'New car', 'N': 'Old car'},
    {'J': 'New city', 'N': 'Old city'},
    {'J': 'New area', 'N': 'Old area'}
]

# 定义处理单条Choices的函数
def get_explanation(choice_str):
    # 拆分逗号分隔的序列
    choices = choice_str.split(',')
    # 按位置匹配映射文本，再拼接成字符串
    return ', '.join([position_mappings[i][c] for i, c in enumerate(choices)])

# 生成Explanation列
df['Explanation'] = df['Choices'].apply(get_explanation)

# 查看结果
print(df)

这种方式逻辑清晰，后续若要调整映射规则或增加位置，直接修改position_mappings列表即可，适合中小规模数据。

方法二：向量化拆分+替换（高效处理大数据） #

利用pandas的向量化操作，先拆分Choices为多列，分别替换后再拼接，避免循环，处理大数据集时效率更高：

import pandas as pd

df = pd.DataFrame({
    'Name': ['Henk', 'Tom', 'Tim'],
    'Choices': ['J,N,N,J', 'N,J,N,N', 'J,N,J,J']
})

# 将Choices列拆分为4个独立列
split_df = df['Choices'].str.split(',', expand=True)

# 对每列分别执行映射替换
split_df[0] = split_df[0].map({'J': 'New address', 'N': 'Old address'})
split_df[1] = split_df[1].map({'J': 'New car', 'N': 'Old car'})
split_df[2] = split_df[2].map({'J': 'New city', 'N': 'Old city'})
split_df[3] = split_df[3].map({'J': 'New area', 'N': 'Old area'})

# 拼接所有列的内容为Explanation列
df['Explanation'] = split_df.apply(', '.join, axis=1)

# 查看结果
print(df)

内容的提问来源于stack exchange，提问作者Datawoman