Pandas字典映射生成列时保留不匹配行的技术问题

1. 关于na_action参数的误解与正确用法 #

你可能误解了na_action的作用——这个参数只处理原数据中的NaN值，而非字典中不存在的键。

• 当设置na_action='ignore'时，它会跳过原Series/DataFrame中已经是NaN的元素，不对它们执行映射操作，保留原有的NaN；
• 当原数据中没有NaN时（比如你测试代码里的s和d），无论设na_action=None还是'ignore'，结果都是一样的，所以你会觉得它没生效。

要让字典中不存在的键对应的值变成NaN（也就是你想要的'NA'类似值），其实map()方法默认就会这么做：当某个值不在字典的键中时，映射结果就是NaN。如果你希望导出CSV时显示为'NA'而非空值，可以在导出时设置na_rep='NA'：

df.to_csv('your_file.csv', na_rep='NA')

2. 保留不匹配的行并筛选打印 #

在复杂的多列DataFrame中，映射后不匹配的行对应的新列值会是NaN，你可以通过布尔索引轻松保留这些行，同时保留所有原有列：

步骤1：执行映射（默认生成NaN表示不匹配）

country_Codes = ['us', 'de', 'fr']
values = ['US', 'EU', 'EU']
dictionary = dict(zip(country_Codes, values))
df['new'] = df['Country_Code'].map(dictionary)  # 这里不需要额外设置na_action，默认处理不匹配项

步骤2：筛选并打印不匹配的行

# 筛选新列为NaN的行（即不匹配字典的行）
mismatched_rows = df[df['new'].isna()]

# 打印所有不匹配的行（包含所有列）
print(mismatched_rows)

# 如果只想打印Country_Code列的不匹配值
print("不匹配的Country_Code值：", df.loc[df['new'].isna(), 'Country_Code'].tolist())

这样就能完整保留所有行，同时轻松定位那些和字典不匹配的记录了。

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