如何在Pandas中基于多列表if/elif条件创建土壤质地分类新列？

原代码的问题 #

1. 列表语法错误：coarse_tex = ['Sand', 'Loamy Sand' 'Sandy Loam']中，'Loamy Sand'与'Sandy Loam'之间缺少逗号，会被合并成一个错误字符串，导致无法正确匹配土壤质地。
2. 函数逻辑错误：函数内用sha_df['texture'].isin(coarse_tex)是对整个列做判断，返回布尔值数组，而非针对传入的单个texture值判断，这会触发ValueError。
3. apply使用不当：直接调用sha_df.apply(texture_classifier)未指定处理维度，无法正常逐行执行函数。

修正后的代码 #

第一步：修正分类列表 #

# 定义土壤质地分类列表
coarse_tex = ['Sand', 'Loamy Sand', 'Sandy Loam']
medium_tex = ['Loam', 'Silt Loam', 'Silt', 'Sandy Clay Loam']
fine_tex = ['Clay Loam', 'Silty Clay Loam', 'Sandy Clay', 'Silty Clay', 'Clay']

第二步：改进分类函数 #

函数需接收单个texture值，针对单个元素判断：

# 定义质地分类函数
def texture_classifier(texture):
    if texture in coarse_tex:
        return 'coarse'
    elif texture in medium_tex:
        return 'medium'
    elif texture in fine_tex:
        return 'fine'
    else:
        return None  # 处理不在分类列表中的异常值

第三步：应用函数生成新列 #

推荐两种实现方式：

# 方法1：单列apply（简洁直观）
sha_df['textural_class'] = sha_df['texture'].apply(texture_classifier)

# 方法2：使用lambda映射（逻辑等价）
sha_df['textural_class'] = sha_df['texture'].map(lambda x: texture_classifier(x))

大数据集高效方案：numpy.select #

如果数据集规模较大，用np.select比apply速度更快：

import numpy as np

# 定义匹配条件与对应分类
conditions = [
    sha_df['texture'].isin(coarse_tex),
    sha_df['texture'].isin(medium_tex),
    sha_df['texture'].isin(fine_tex)
]
choices = ['coarse', 'medium', 'fine']

sha_df['textural_class'] = np.select(conditions, choices, default=None)

最终结果 #

处理后的数据集中会生成textural_class列，示例如下：

内容的提问来源于stack exchange，提问作者Kwabena Addae Sarpong