如何在Pandas中基于另一列添加自定义值的新列

这事儿好办！要给你的g列添加自定义的数值映射，只需要两步：先定义好你的映射关系，再用Pandas的工具把它应用到列上就行，我结合你的例子详细说下：

步骤1：创建自定义映射字典 #

首先你需要把每个类别（比如你的A-J，实际工作中替换成你的名称）和对应的数值一一对应，写成字典的形式：

# 替换成你实际工作中的名称和对应值即可
category_mapping = {
    'A': 1,
    'B': 2,
    'C': 3,
    'D': 4,
    'E': 5,
    'F': 6,
    'G': 7,
    'H': 8,
    'I': 9,
    'J': 10
}

步骤2：用map()生成新列 #

接下来直接用Pandas的map()方法，把这个映射应用到g列上，就能生成你要的new列了：

df['new'] = df['g'].map(category_mapping)

效果展示 #

运行后你的DataFrame会变成这样（截取部分行）：

x  g  new
0  64.038123  A    1
1  66.147050  B    2
2  66.370011  C    3
3  68.791019  D    4
4  70.583534  E    5
...      ... ..  ...
499 74.461828  J   10

额外小技巧 #

• 如果你的需求更简单，也可以用replace()方法，效果完全一致：

  df['new'] = df['g'].replace(category_mapping)
  

• 要是g列里存在不在映射字典中的值，map()会返回NaN，你可以用fillna()给这些值设置默认值：

  # 这里把未知类别设为0，你可以改成自己需要的默认值
  df['new'] = df['g'].map(category_mapping).fillna(0)
  

内容的提问来源于stack exchange，提问作者bismo