Pandas多列元素映射打标及原地修改实现问题咨询

• 变量名错误：读取csv生成的变量是df，但筛选列时用了data.columns，运行会直接抛出NameError
• 自定义函数无返回值：get_label中调用ser.map后没有返回处理后的Series，apply最终拿到的结果全是None
• 未对原DataFrame赋值：df[columns].apply()会返回全新的DataFrame对象，没有赋值回原对象的话完全不会修改原df的数据

方案1：基于原有逻辑修正 #

保留你原本的apply+map写法，仅修复存在的问题：

import pandas as pd

df = pd.read_csv('data/extrusion.csv')
# 修正变量名错误，用df.columns而非data.columns
columns = [c  for c in df.columns if 'SDickeIst'.lower() in c.lower()]

# 定义基于值返回对应分类的函数，补充返回值
def get_label(ser):
    return ser.map(lambda x : x if x == 0 else 1)

# 将处理后的结果赋值回原列，实现修改
df[columns] = df[columns].apply(get_label)

方案2：更高效的向量化实现 #

推荐使用该方案，Pandas底层直接做批量运算，性能比逐元素遍历的map/apply高1~2个数量级，适合数据量较大的场景

import pandas as pd

df = pd.read_csv('data/extrusion.csv')
columns = [c  for c in df.columns if 'SDickeIst'.lower() in c.lower()]

# where逻辑：满足==0的条件保留原值，不满足的统一替换为1，完全匹配需求
df[columns] = df[columns].where(df[columns] == 0, 1)

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