如何通过循环对指定变量应用有序映射实现分类变量数值化？

我的数据集中包含若干质量变量，希望将它们转换为数值形式。已创建映射字典和待转换变量列表：

qual_mappings = {'Po': 1, 'Fa': 2, 'TA': 3, 'Gd': 4, 'Ex': 5, 'Missing': 0, 'NA': 0}

qual_vars = ['ExterQual', 'ExterCond', 'BsmtQual', 'BsmtCond',
             'HeatingQC', 'KitchenQual', 'FireplaceQu',
             'GarageQual', 'GarageCond'
            ]

尝试编写循环遍历这些变量但失败，需要可行的Python实现方案，完成变量按映射替换为对应数值的需求。

假设你的数据集是用pandas存储的DataFrame（命名为df），以下是几种可行的实现方式：

方法1：基础for循环遍历替换 #

直接遍历目标变量列表，用map()方法完成映射：

# 遍历每个待转换变量
for col in qual_vars:
    # 按字典映射替换，若遇未匹配值会变为NaN，可按需调整
    df[col] = df[col].map(qual_mappings)

如果数据集中存在空值（如NaN），先统一替换为字典中的标识再映射：

for col in qual_vars:
    # 填充空值为'Missing'后执行映射
    df[col] = df[col].fillna('Missing').map(qual_mappings)

方法2：批量替换（简洁高效） #

利用pandas的replace()方法一次性处理所有目标变量，无需显式循环：

# 直接批量替换
df[qual_vars] = df[qual_vars].replace(qual_mappings)
# 含空值处理的版本
df[qual_vars] = df[qual_vars].fillna('Missing').replace(qual_mappings)

方法3：applymap批量处理 #

通过applymap()对多列执行相同映射逻辑：

# 保留未匹配的原始值（若有）
df[qual_vars] = df[qual_vars].applymap(lambda x: qual_mappings.get(x, x))
# 处理空值的版本
df[qual_vars] = df[qual_vars].fillna('Missing').applymap(lambda x: qual_mappings[x])

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