基于另一列值创建新列：修复Pandas三种方法的实现问题

嗨，我来帮你搞定这个Pandas列映射的问题！你遇到的报错都是很典型的操作误区，下面我会逐个给出三种方法的正确实现，再聊聊效率最高的最优方案。

首先先准备一个示例DataFrame方便演示：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'status': ['F-On', 'S-On', 'circ', 'TH', 'circInS', 'R', 'S', 'unknown']
})

1. 使用.loc的正确实现 #

你之前遇到的「Series真值歧义」，大概率是直接用df['status'] == 'F-On' | df['status'] == 'S-On'这种写法——|的优先级比==高，没加括号会导致逻辑混乱。用.isin()可以完美解决这个问题，同时简化代码：

# 初始化新列，先默认保留原值
df['grouped_status'] = df['status']

# 映射(F-On, S-On)到'On'
df.loc[df['status'].isin(['F-On', 'S-On']), 'grouped_status'] = 'On'

# 映射(circ, TH, circInS)到'fooON'
df.loc[df['status'].isin(['circ', 'TH', 'circInS']), 'grouped_status'] = 'fooON'

2. 使用np.where的正确实现 #

np.where多条件组合时，每个独立条件都必须加括号，否则会触发真值歧义报错。这里用嵌套np.where来实现多规则判断：

df['grouped_status'] = np.where(
    df['status'].isin(['F-On', 'S-On']),
    'On',
    np.where(
        df['status'].isin(['circ', 'TH', 'circInS']),
        'fooON',
        df['status']  # 不满足条件的直接保留原值
    )
)

3. 使用df.apply的正确实现 #

你说apply输出半为空，应该是自定义函数没有覆盖所有情况，导致部分值返回了None。写一个明确覆盖所有规则的函数就没问题了：

def map_status(status):
    if status in ['F-On', 'S-On']:
        return 'On'
    elif status in ['circ', 'TH', 'circInS']:
        return 'fooON'
    else:
        return status  # R、S及其他值直接返回原值

df['grouped_status'] = df['status'].apply(map_status)

最优行操作方案 #

上面三种方法都能实现需求，但如果你的数据量较大（比如百万级以上），**pd.Series.replace()**是效率最高的选择——它是完全向量化的操作，不需要逐行循环，代码也最简洁：

先定义映射字典，然后直接调用replace：

status_map = {
    'F-On': 'On',
    'S-On': 'On',
    'circ': 'fooON',
    'TH': 'fooON',
    'circInS': 'fooON'
}

df['grouped_status'] = df['status'].replace(status_map)

这个方法会自动保留不在字典里的原值（比如R、S），完全符合你的需求。

最终示例DataFrame的输出结果如下：

内容的提问来源于stack exchange，提问作者user6647375