如何用字典映射Pandas列值，无匹配项设为None？

方法1：使用Series.map()（最简洁高效） #

map()方法天生适配这种需求——仅映射字典中存在的键，未匹配项自动返回NaN；如果需要严格的None，可通过where()进一步转换：

# 直接映射，未匹配项为NaN
df['col1'] = df['col1'].map(cat_dic)

# 若需将未匹配项明确设为None
df['col1'] = df['col1'].map(cat_dic).where(df['col1'].isin(cat_dic.keys()), None)

方法2：结合replace()与mask() #

先完成字典映射，再将原列中不在字典键集合里的值替换为None：

df['col1'] = df['col1'].replace(cat_dic).mask(~df['col1'].isin(cat_dic.keys()), None)

方法3：自定义apply()函数 #

适合需要更复杂逻辑的场景，利用字典的get()方法指定未匹配时返回None：

def map_category(x):
    return cat_dic.get(x, None)

df['col1'] = df['col1'].apply(map_category)

内容的提问来源于stack exchange，提问作者M.Tailleur