Pandas：替换值并新增列（保留原列）的实现及方案选择

嘿，作为Python新手能考虑到预处理的细节真的很赞！咱们来拆解你的问题：

一、建模前预处理：用新DF还是原DF新增列？ #

两种方案都有适用场景，没有绝对的对错，看你的需求：

• 用新生成的df_train_scaled：最稳妥的选择，原始数据df_train完全保留，后续如果需要对比转换前后的效果、排查建模问题，随时可以回溯原始数据，不会造成数据污染。适合你只需要用转换后特征建模的场景。
• 在原DF中新增列：适合需要同时保留原始特征和转换后特征的情况——比如你之后想分析原始字符串和转换后数值的关联，或者部分特征用转换后的值、部分用原始值来建模。

二、在原DataFrame中新增替换后值的列的方法 #

我给你举几个实用的代码例子，你可以直接套用：

1. 针对单一列的字符串替换（映射规则明确） #

假设你要处理的是status列，把"pending"换成1，"completed"换成2，"failed"换成0：

# 定义替换映射字典
replace_rules = {"pending": 1, "completed": 2, "failed": 0}
# 新增名为status_processed的列
df_train["status_processed"] = df_train["status"].map(replace_rules)

如果遇到映射字典里没有的字符串，map会返回NaN，要是想保留原字符串或者设默认值，可以用map(lambda x: replace_rules.get(x, x))。

2. 用replace函数直接生成新列 #

和map效果类似，语法更灵活，支持单个值或字典替换：

df_train["status_processed"] = df_train["status"].replace({"pending": 1, "completed": 2, "failed": 0})

3. 批量处理多列生成对应新列 #

如果有多列需要用相同规则替换，可以用循环批量生成：

# 要处理的列名列表
target_cols = ["status", "level", "type"]
# 统一替换规则
replace_rules = {"low": 0, "mid": 1, "high": 2}

for col in target_cols:
    # 新列名在原列名后加_processed
    df_train[f"{col}_processed"] = df_train[col].map(replace_rules)

4. 结合 sklearn 预处理工具生成新列 #

如果是数值特征的缩放（比如标准化、归一化），也可以直接在原DF新增处理后的列：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
# 对age列做归一化，生成age_scaled列
df_train["age_scaled"] = scaler.fit_transform(df_train[["age"]])

内容的提问来源于stack exchange，提问作者CGermain