如何在pandas DataFrame中实现指定规则的自定义类别编码？

方法1：字典映射（最直观高效） #

直接定义水果到编码的映射关系，用map完成转换，不在映射中的值统一设为5：

import pandas as pd

# 定义映射规则（注意匹配数据中水果的实际拼写）
fruit_code = {
    'Apple': 1,
    'Pineapple': 2,
    'Orange': 3,
    'Strawberry': 4  # 示例中为Strawberrry，需根据真实数据调整拼写
}

# 执行映射，缺失值（不在字典中的水果）填充为5并转为整数
df['Master'] = df['Master'].map(fruit_code).fillna(5).astype(int)

方法2：批量条件替换 #

适合需要明确控制每个条件的场景，先统一设为默认值5，再逐个替换目标水果：

import pandas as pd

# 初始化所有值为5
df['Master'] = 5

# 替换指定水果的编码
df.loc[df['Master'] == 'Apple', 'Master'] = 1
df.loc[df['Master'] == 'Pineapple', 'Master'] = 2
df.loc[df['Master'] == 'Orange', 'Master'] = 3
df.loc[df['Master'] == 'Strawberry', 'Master'] = 4

方法3：分类类型编码 #

如果需要保留分类语义，可利用Pandas的分类类型实现编码：

import pandas as pd

# 先将非目标水果统一替换为'Other'
target_fruits = {'Apple', 'Pineapple', 'Orange', 'Strawberry'}
df['Master'] = df['Master'].apply(lambda x: x if x in target_fruits else 'Other')

# 定义分类顺序并转换为编码
df['Master'] = pd.Categorical(df['Master'], 
                              categories=['Apple', 'Pineapple', 'Orange', 'Strawberry', 'Other'],
                              ordered=True).cat.codes + 1

注意：如果数据中水果存在拼写差异（比如示例里的Strawberrry），请确保映射字典或条件判断中的拼写与数据完全一致，否则会匹配失败。

内容的提问来源于stack exchange，提问作者Scope