如何高效将sklearn加载的Iris数据集数值型species转为分类值

你目前用的「自定义if-else判断 + apply逐行应用」的实现可以跑通，但代码冗余、运行效率低，还容易出现手写类名的拼写错误，以下几种方案从简洁度、运行效率上都更适合这个场景：

1. 直接复用sklearn数据集自带的类别映射，零手写成本 #

sklearn加载的Iris数据集本身就内置了数值到类名的对应关系（存储在target_names属性中），完全不需要自己手写判断逻辑，从根源上避免手动拼错类名的问题：

# 构建数值与类名的映射字典，直接从数据集属性读取
species_map = dict(zip(range(len(iris.target_names)), iris.target_names))
# 用pandas向量化map完成转换，替代逐行apply
iris['species'] = iris['species'].map(species_map)

这种方式的优势：

• map是pandas底层C实现的向量化操作，运行速度远高于逐行Python循环的apply方法——尤其当数据量增大时，两者的效率差会被放大数十倍
• 不需要手动输入类名字符串，完全复用数据集的标准定义，不会出现拼写错误

2. 一步生成带正确分类值的DataFrame，省掉中间转换步骤 #

其实你前面拆分特征、拼接表、修改列名、做数值转换的整个流程，完全可以压缩为更短的代码，还能自动生成分类类型的字段，降低后续分析的内存占用：

# 直接基于原始数据集生成特征列的DataFrame
iris_df = pd.DataFrame(
    data=iris.data,
    columns=['sepal_length','sepal_width','petal_length','petal_width']
)
# 直接把数值目标转为pandas分类类型，不需要额外apply转换
iris_df['species'] = pd.Categorical.from_codes(iris.target, categories=iris.target_names)

这种方式生成的species字段是pandas内置的分类（Categorical）类型，存储相同内容时的内存占用仅为普通字符串列的1/3~1/10，后续做分组、绘图操作的效率也更高。

3. 通用场景下的字典映射，替代多分支if-else #

如果遇到没有内置映射关系的数值字段，也推荐用字典构造映射规则后配合map完成转换，完全不需要写多分支判断函数：

# 构造数值与类名的对应字典
species_map = {0: 'setosa', 1: 'versicolor', 2: 'virginica'}
iris['species'] = iris['species'].map(species_map)

和自定义函数+apply的方式相比，这种写法代码更短、运行效率更高，后续如果新增类别值，只需要在字典里加一行映射规则即可，不需要修改判断逻辑。

不推荐的写法：逐行loc筛选赋值（比如iris.loc[iris['species']==0, 'species'] = 'setosa'），虽然比apply速度快，但需要重复写多次布尔筛选代码，简洁度远不如map方案。

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