清洗Python DataFrame：将Gender列统一为Male/Female格式

问题分析 #

你的代码没生效大概率是这几个原因：

• 没处理大小写差异：比如Female、F不在你的misspellings列表里，精确匹配碰不到
• 没清理前后空格：如果单元格里是female（带空格），精确匹配也找不到
• 仅覆盖了部分女性变体，且没处理男性的类似情况
• 循环replace效率低，且容易遗漏边缘情况

解决方案 #

方法1：统一格式化后用字典批量映射（推荐） #

先把所有文本转小写、去空格，再用字典一次性完成所有替换，清晰高效：

import pandas as pd

df = pd.read_csv('my csv file.csv')

# 第一步：统一格式化——转小写+去除前后空格，避免空格/大小写干扰
df['Gender'] = df['Gender'].astype(str).str.strip().str.lower()

# 第二步：定义所有性别变体的映射规则，把所有对应女性/男性的表述统一
gender_mapping = {
    # 女性相关变体
    'female': 'Female',
    'f': 'Female',
    'woman': 'Female',
    'femail': 'Female',
    'cis-female/femme': 'Female',
    'female (cis)': 'Female',
    'cis female': 'Female',
    'femake': 'Female',
    # 男性相关变体，根据你的数据补充
    'male': 'Male',
    'm': 'Male',
    'man': 'Male',
    'cis-male': 'Male',
    'male (cis)': 'Male'
}

# 第三步：完成映射，未匹配到的设为'Other'（也可以保留原内容，根据需求调整）
df['Gender'] = df['Gender'].map(gender_mapping).fillna('Other')

方法2：正则表达式匹配替换 #

如果变体更多，用正则可以更灵活地匹配相似表述：

import pandas as pd

df = pd.read_csv('my csv file.csv')

# 先统一格式化
df['Gender'] = df['Gender'].astype(str).str.strip().str.lower()

# 匹配所有女性变体，替换为Female
df['Gender'] = df['Gender'].replace(
    r'^(female|f|woman|femail|cis-female/femme|female \(cis\)|cis female|femake)$',
    'Female',
    regex=True
)

# 匹配所有男性变体，替换为Male
df['Gender'] = df['Gender'].replace(
    r'^(male|m|man|cis-male|male \(cis\))$',
    'Male',
    regex=True
)

# 未匹配的设为Other
df['Gender'] = df['Gender'].where(df['Gender'].isin(['Female', 'Male']), 'Other')

验证结果 #

替换后执行以下代码，检查性别列的分布是否符合预期：

print(df['Gender'].value_counts())

内容的提问来源于stack exchange，提问作者user16674853