基于值计数替换列值出错：所有值变为Others的解决求助

问题根源 #

你代码里的核心错误是用了value_counts(normalize=True)——这个参数会返回各国家在列中的占比（数值在0到1之间），而非实际的计数数量。你要判断的是计数小于450，所有国家的占比自然都远小于450，导致所有行都被匹配，最终全部替换成了"Others"。

修正后的代码 #

删掉normalize=True，直接用value_counts()获取实际计数：

def collapse_category(df):
    # 获取各国家的实际计数，而非占比
    count_map = df['Nationality'].value_counts()
    # 筛选计数小于450的国家，替换为Others
    df.loc[df['Nationality'].map(count_map) < 450, 'Nationality'] = 'Others'
    print(df['Nationality'].unique())
    # 可选：打印替换后的计数分布，验证结果
    print(df['Nationality'].value_counts())

额外说明 #

• df['Nationality'].map(count_map)会把每个国家对应到它的计数，再和450比较就能精准筛选出需要替换的行。
• 替换后可以通过value_counts()检查结果，确认只有计数≥450的国家被保留，其余都合并为"Others"。

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