如何基于另一分类列添加分类列？代码为何全分配Techno？

我希望为genre（流派）分配对应的音乐风格，创建了若干数组定义各流派所属类别，但运行代码后所有流派的genre_cat列都被赋值为'Techno'，不符合预期：

Rap = ['Dark Trap', 'Hiphop', 'Rap', 'Underground Rap', 'RnB', 'trap', 'Trap Metal']
Techno = ['dnb', 'hardstyle', 'psytrance', 'techhouse', 'techno', 'trance']
Pop = ['pop']

for r in df['genre']:
    if r in Rap:
        df['genre_cat'] = 'Rap'
    elif r in Techno:
        df['genre_cat'] = 'Techno'
    else:
        df['genre_cat'] = 'Pop'
        
df[['genre', 'genre_cat']]

问题原因 #

你的循环逻辑存在错误：每次遍历df['genre']的元素时，都是对整个df['genre_cat']列进行赋值，而非仅给当前行的genre_cat字段赋值。

比如循环过程中，前几行如果匹配Rap，会把整列改成'Rap'，但只要后续有一行匹配Techno，整列又会被覆盖成'Techno'；如果最后一行的genre属于Techno列表，最终整列都会是'Techno'，之前的所有赋值都会被冲掉。

正确解决方法 #

方法1：使用apply逐行处理

定义一个分类函数，用apply对genre列的每个元素单独处理：

Rap = ['Dark Trap', 'Hiphop', 'Rap', 'Underground Rap', 'RnB', 'trap', 'Trap Metal']
Techno = ['dnb', 'hardstyle', 'psytrance', 'techhouse', 'techno', 'trance']
Pop = ['pop']

def get_genre_cat(genre):
    if genre in Rap:
        return 'Rap'
    elif genre in Techno:
        return 'Techno'
    else:
        return 'Pop'

df['genre_cat'] = df['genre'].apply(get_genre_cat)

方法2：使用np.select（更高效的多条件判断）

适合多分类场景，性能比循环和apply更优：

import numpy as np

Rap = ['Dark Trap', 'Hiphop', 'Rap', 'Underground Rap', 'RnB', 'trap', 'Trap Metal']
Techno = ['dnb', 'hardstyle', 'psytrance', 'techhouse', 'techno', 'trance']
Pop = ['pop']

# 定义条件和对应结果
conditions = [
    df['genre'].isin(Rap),
    df['genre'].isin(Techno)
]
choices = ['Rap', 'Techno']

# 按条件赋值，默认返回'Pop'
df['genre_cat'] = np.select(conditions, choices, default='Pop')

内容的提问来源于stack exchange，提问作者mustafa00