如何使用字典转换Python DataFrame指定列的数值？

你可以用Pandas的replace()或者map()方法实现这个需求，两种方法各有适用场景：

方法1：使用replace()（推荐，保留未匹配值） #

replace()会替换字典中匹配到的值，未在字典中的值会保持原样，适合需要部分替换的场景。直接对目标列调用该方法，加上inplace=True可以直接修改原DataFrame：

import pandas as pd

df = pd.DataFrame([[1, 1, 'A'], [2, 2, 'B'], [3, 3, 'C']], index=['I_1', 'I_2', 'I_3'], columns=['C_1', 'C_2', 'C_3'])
conv = {'A':'D', 'B':'E', 'C':'F'}

# 直接修改原列
df['C_3'].replace(conv, inplace=True)

print(df)

输出结果：

C_1  C_2 C_3
I_1    1    1   D
I_2    2    2   E
I_3    3    3   F

如果不想修改原DataFrame，可以赋值给新列或者重新赋值：

# 生成新列
df['C_3_new'] = df['C_3'].replace(conv)

方法2：使用map()（严格匹配，未匹配值转为NaN） #

map()会严格按照字典映射替换，不在字典中的值会被转为NaN，适合需要确保所有值都在映射字典里的场景：

import pandas as pd

df = pd.DataFrame([[1, 1, 'A'], [2, 2, 'B'], [3, 3, 'C']], index=['I_1', 'I_2', 'I_3'], columns=['C_1', 'C_2', 'C_3'])
conv = {'A':'D', 'B':'E', 'C':'F'}

# 替换并赋值回原列
df['C_3'] = df['C_3'].map(conv)

print(df)

输出结果和上面一致，但如果你的列里有不在conv字典中的值，比如'X'，map()会把它变成NaN，而replace()会保留'X'。

内容的提问来源于stack exchange，提问作者dmjy