Pandas分类数据赋值报错：非相同分类无法设置及优化疑问

问题场景 #

创建包含大小写不同分类的Categorical类型DataFrame：

import numpy as np
import pandas as pd

np.random.seed(3)
s = pd.DataFrame((np.random.choice(['Feijão','feijão'],size=[3,2])),dtype='category')

print(s[0].cat.categories)
print(s[1].cat.categories)

输出显示两列的分类均包含'Feijão'和'feijão'。尝试将'feijão'替换为'Feijão'时执行以下代码触发报错：

s.loc[s[0].isin(['feijão']),1] = s.loc[s[0].isin(['feijão']),1].replace({'feijão':'Feijão'})

报错信息：

TypeError: Cannot set a Categorical with another, without identical categories

1. 报错含义 #

这个错误的核心逻辑是：Pandas对Categorical类型的赋值有严格要求——赋值操作的左右两侧数据必须拥有完全一致的分类集合。

你右侧执行replace后，得到的Categorical数据分类集合已变为仅包含'Feijão'（因为'feijão'被替换后，该分类在临时结果中被移除），但左侧目标列s[1]的分类集合仍然是['Feijão', 'feijão']，两者分类集合不匹配，因此无法完成赋值。

2. 过滤无效值再替换是否为最优方式？ #

不是最优方式。这种操作需要手动编写过滤逻辑，代码冗余且容易遗漏数据场景；同时逐行处理的方式在数据量较大时会带来不必要的性能损耗。更高效的做法是直接针对Categorical类型的分类定义进行修改，而非逐行过滤替换。

3. 能否直接使用replace完成操作？ #

可以，但需要采用适配Categorical类型的正确用法，以下是几种可行方案：

方案一：重命名分类（推荐） #

直接修改Categorical的分类映射，一次性完成所有数据的转换，同时同步更新分类集合：

# 遍历所有列统一处理
for col in s.columns:
    # 重命名指定分类
    s[col] = s[col].cat.rename_categories({'feijão': 'Feijão'})
    # 可选：移除未使用的分类（清理冗余）
    s[col] = s[col].cat.remove_unused_categories()

方案二：临时转换类型后替换 #

先将Categorical列转为字符串类型，完成替换后再转回Categorical：

s[1] = s[1].astype(str).replace({'feijão': 'Feijão'}).astype('category')

该方式适合快速处理小数据集，但大量分类转换时可能存在性能损耗。

方案三：保证赋值两侧分类一致 #

如果坚持使用原思路，需确保右侧数据的分类集合与目标列一致，可通过astype强制对齐：

mask = s[0].isin(['feijão'])
s.loc[mask, 1] = s.loc[mask, 1].replace({'feijão': 'Feijão'}).astype(s[1].dtype)

内容的提问来源于stack exchange，提问作者INGl0R1AM0R1