如何合并pandas DataFrame中同类字符串以规避虚拟变量陷阱

1. map方法实现 #

预先定义完整的类别映射规则，适合映射关系固定、需要统一管控类别的场景：

# 定义所有取值的对应关系
fruit_mapper = {
    "redapple": "apple",
    "greenapple": "apple",
    "orange": "orange",
    "pear": "pear",
    "grape": "grape"
}
df["fruit"] = df["fruit"].map(fruit_mapper)

2. lambda实现 #

仅针对需要合并的类别做判断，不需要枚举所有取值，适合规则简单的场景：

df["fruit"] = df["fruit"].apply(lambda x: "apple" if x in ("redapple", "greenapple") else x)

3. 更优推荐方案：replace批量替换 #

不需要写全所有类别映射，直接指定需要替换的取值即可，代码更简洁，扩展性更强：

df["fruit"] = df["fruit"].replace(to_replace=["redapple", "greenapple"], value="apple")

后续操作提示 #

处理完成后fruit列的唯一值会变为4个，再执行Df = pd.get_dummies(Df, drop_first=True)生成3个虚拟变量，既避免了虚拟变量陷阱，也不会出现sns.heatmap无法识别特征的问题。

内容的提问来源于stack exchange，提问作者JoeRoganFan69