Python Pandas 如何按条件将分类变量非指定值重命名为other

你原来的代码存在三个核心错误：

• 运算符优先级错误：Pandas/Numpy 中|/&等位运算符优先级高于!=/==等比较运算符，不加括号会导致运算顺序完全不符合预期
• 多值判断逻辑错误：不能直接使用!= 'blue' | 'red'的写法，字符串无法参与位运算，也无法直接实现「既不等于A也不等于B」的判断
• np.where参数缺失：完整np.where语法为np.where(判断条件, 条件成立时的返回值, 条件不成立时的返回值)，原代码仅传入了条件参数，运行会直接报错

另外注意多条件判断时要使用位运算符&表示且、|表示或，不要使用Python原生的and/or，同时每个独立判断条件要加小括号包裹，避免优先级错误；对序列取反要使用Pandas兼容的~符号，不要使用Python原生的not关键字，后者无法作用于Series序列。

下面给出两种最常用的实现方案：

方案1：使用isin()+np.where实现 #

isin()方法可以直接判断列值是否在指定列表中，搭配取反符~即可快速实现多值排除，适合分类值较多的场景：

df2['color'] = np.where(~df2['color'].isin(['blue', 'red']), 'other', df2['color'])

方案2：使用loc直接赋值 #

如果更偏好显式的赋值逻辑，可以用loc定位到符合条件的行直接修改，可读性更高：

df2.loc[~df2['color'].isin(['blue', 'red']), 'color'] = 'other'

如果判断的分类值数量较少，也可以用多条件写法替代isin()，注意所有比较条件都要加小括号包裹：

# 等效写法，分类值多的时候不如isin简洁
df2['color'] = np.where((df2['color'] != 'blue') & (df2['color'] != 'red'), 'other', df2['color'])

内容的提问来源于stack exchange，提问作者bowen_eldr