遍历DataFrame的Age列用if-else分组创建新列Age in Num失败求助

问题背景 #

我的dataset['Age']列的value_counts()输出如下：

36-55-MATURED VOTER    492
24-35-YOUNG VOTER      341
56 Above-EXPERIENCED VOTER    182
18-23-NEW VOTER        77
70                      5
60                      5
68                      4
65                      3
63                      3
62                      3
75                      3
72                      1
69                      1
67                      1
80                      1
73                      1
66                      1
Name: Age, dtype: int64

我想在同一个DataFrame里创建新列dataset['Age in Num']，按以下规则映射原列值：

• 18-23-NEW VOTER 映射为18
• 24-35-YOUNG VOTER 映射为24
• 36-55-MATURED VOTER 映射为36
• 其余所有值映射为56

但我用了下面的代码后，dataset['Age in Num']的所有值都变成了36，求帮忙解决：

for Age in dataset['Age']:
    if Age == '24-35-YOUNG VOTER':
        dataset['Age in Num'] = 24
    elif Age == '36-55-MATURED VOTER':
        dataset['Age in Num'] = 36
    elif Age == '18-23-NEW VOTER':
        dataset['Age in Num'] = 18
    else:
        dataset['Age in Num'] = 56

问题原因 #

你写的循环犯了一个典型的错误：每次循环都直接给整列赋值，而不是给当前行的对应位置赋值。

举个例子，当循环到第一个是36-55-MATURED VOTER的行时，你执行dataset['Age in Num'] = 36，这会把整个Age in Num列的所有值都改成36。之后循环到其他行时，虽然会执行其他赋值语句，但最后循环结束时，只要最后一次循环的行是36-55-MATURED VOTER，整列就会被覆盖成36——这就是为什么你看到所有值都是36的原因。

解决方案 #

方法1：使用map函数（推荐，简洁高效） #

先创建一个映射字典，然后用map方法直接生成新列，不在字典里的值用fillna填充为56：

age_mapping = {
    '18-23-NEW VOTER': 18,
    '24-35-YOUNG VOTER': 24,
    '36-55-MATURED VOTER': 36
}
dataset['Age in Num'] = dataset['Age'].map(age_mapping).fillna(56).astype(int)

方法2：使用apply函数 #

自定义一个映射函数，用apply对每一行的Age值进行判断：

def map_age(age):
    if age == '18-23-NEW VOTER':
        return 18
    elif age == '24-35-YOUNG VOTER':
        return 24
    elif age == '36-55-MATURED VOTER':
        return 36
    else:
        return 56

dataset['Age in Num'] = dataset['Age'].apply(map_age)

方法3：修正原来的循环（不推荐，效率较低） #

如果你一定要用循环实现，需要定位到当前行的索引，给对应位置赋值，同时先初始化新列的默认值：

# 先把新列初始化为默认值56
dataset['Age in Num'] = 56
# 遍历每一行的索引和Age值
for idx, age in dataset['Age'].items():
    if age == '24-35-YOUNG VOTER':
        dataset.loc[idx, 'Age in Num'] = 24
    elif age == '36-55-MATURED VOTER':
        dataset.loc[idx, 'Age in Num'] = 36
    elif age == '18-23-NEW VOTER':
        dataset.loc[idx, 'Age in Num'] = 18

内容的提问来源于stack exchange，提问作者ravsab551955