如何批量修改Pandas DataFrame中多列分类变量的映射取值？

你可以通过pandas内置的批量替换能力实现需求，不需要逐列调用方法，两种常用方案如下：

方案1：嵌套字典+replace（推荐，保留未匹配原值） #

pandas的replace原生支持传入嵌套字典实现多列不同规则的替换，第一层键为列名，第二层为该列的{原值: 替换值}映射规则，代码示例：

import pandas as pd

# 原始DataFrame
dfa = pd.DataFrame({'s1': ['a', 'b', 'c'], 's2': ['a', 'c', 'd']}, dtype='category')

# 统一维护所有列的映射规则，新增列只需在这里添加对应条目
col_mapper = {
    "s1": {"a": 1, "b": 2, "c": 3},
    "s2": {"a": 10, "b": 40, "c": 50}
}

# 单语句完成所有列的批量替换
dfa = dfa.replace(col_mapper)

该方案的特点：

• 未出现在映射规则里的取值（如示例中s2列的'd'）会保留原值，不会被修改
• 代码简洁，仅需要维护col_mapper一个映射配置变量，后续新增列不需要修改执行逻辑

方案2：apply+map（适合严格匹配映射的场景） #

如果要求不在映射规则里的取值直接置为NaN，可以用本方案：

# 复用上面的col_mapper配置
dfa[col_mapper.keys()] = dfa[col_mapper.keys()].apply(lambda col: col.map(col_mapper[col.name]))

优化拓展 #

如果需要处理的列有统一命名规则（如s1到s100），可以自动生成列名，不需要手动逐个填写：

# 示例：生成s1到s10的列名列表
target_cols = [f"s{i}" for i in range(1, 11)]

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