如何为DataFrame新增suf_values列并填入对应变量的匹配值

解决方法 #

你可以通过构建映射字典+pandas的map方法实现需求，这是性能最优、逻辑最清晰的实现方式：

1. 先构建suf取值和对应数值的映射字典
2. 调用map方法匹配生成新列

# 构建映射字典
suf_map = {
    'A': 1.05,
    'B': 1.07,
    'C': 1.09,
    'D': 1.2,
    'E': 1.25,
    'F': 1.27
}

# 匹配生成新列
df['suf_values'] = df['suf'].map(suf_map)

如果你的suf列存在A-F之外的取值，map会默认返回NaN，你可以额外加fillna设置默认值：

# 示例：未匹配到的取值默认填充为1
df['suf_values'] = df['suf'].map(suf_map).fillna(1)

如果suf列的取值是小写a-f，在匹配前先转大写即可：

df['suf_values'] = df['suf'].str.upper().map(suf_map)

内容的提问来源于stack exchange，提问作者Alex