如何用Python将CSV中字符串列批量转换为对应数值列？

对于处理大型CSV文件，pandas是最简便高效的选择，比手动用字典循环处理快得多，尤其适合数据量较大的场景。以下是具体实现步骤：

• 先安装pandas（未安装的话）：

  pip install pandas
  

• 核心代码示例：

  import pandas as pd
  
  # 读取大型CSV，若文件超大可加chunksize参数分块处理
  df = pd.read_csv('your_factory_data.csv')
  
  # 自动将Factories列的唯一字符串映射为递增数值，默认从0开始
  df['NumValues'], factory_to_num = pd.factorize(df['Factories'])
  
  # 若需要数值从1开始（和你的示例一致），直接加1即可
  df['NumValues'] += 1
  
  # 保存处理后的文件
  df.to_csv('processed_factory_data.csv', index=False)
  

为什么这个方法更优？ #

• 无需手动构建字典：factorize会自动识别所有唯一的工厂名称，省去逐个添加键值对的麻烦
• 效率极高：基于numpy的向量化操作，比Python循环遍历字典快几个数量级，适合大型数据集
• 可追溯映射关系：返回的factory_to_num是一个数组，能查看每个工厂对应的数值（比如factory_to_num[0]对应数值1，以此类推）

如果需要自定义特定工厂的数值（比如不是按出现顺序递增），也可以用replace方法结合自动生成的字典：

# 先获取唯一工厂列表，手动指定映射（示例）
factory_map = {name: idx+1 for idx, name in enumerate(df['Factories'].unique())}
# 这里可以修改factory_map里的数值，比如把FactoryC设为5
factory_map['FactoryC'] = 5

# 替换列值
df['NumValues'] = df['Factories'].replace(factory_map)

内容的提问来源于stack exchange，提问作者random123