如何在Pandas DataFrame中用职业名称替换数字编码？

你已经创建了正确的映射字典，以下是两种高效的替换方法：

方法1：使用map()函数 #

这是最常用的方式，直接将字典传入map()，会把列中的每个数字替换为对应的职业名称：

# 假设你的DataFrame名为df，职业列名为'occupation'
df['occupation'] = df['occupation'].map(occupation)

如果存在字典中未定义的数字，替换后会变成NaN，可以用fillna()处理：

df['occupation'] = df['occupation'].map(occupation).fillna('unknown')

方法2：使用replace()函数 #

replace()同样支持字典映射，适合需要批量替换的场景：

df['occupation'] = df['occupation'].replace(occupation)

和map()不同，replace()会保留未匹配的原始值，不会转为NaN。

补充说明 #

• 确保你的职业列是数值类型（int/float），如果是字符串类型，需要先转换：df['occupation'] = df['occupation'].astype(int)
• 你的映射字典已经完全覆盖了元数据中的所有编码，可以直接使用。

内容的提问来源于stack exchange，提问作者SHOGANAI