利用DataFrame列子串生成字典键 实现纽约行政区编号映射

嘿，这个需求我之前处理过类似的，给你两种靠谱的解决方案，按需选就行：

方法一：先清洗名称再映射（适合格式较固定的情况） #

这种方法先把带数字前缀的行政区名称清洗干净，再用字典映射编号，逻辑清晰，容易维护：

import pandas as pd

# 假设你的数据集是df
# 第一步：清洗Borough列，提取末尾的纯行政区名称（去掉前面的数字和空格）
df['cleaned_borough'] = df['Borough'].str.extract(r'([A-Za-z\s]+)$')[0].str.strip()

# 第二步：创建中英文对应的映射字典（覆盖可能的中英文名称）
borough_map = {
    '曼哈顿': 1,
    'Manhattan': 1,
    '布鲁克林': 2,
    'Brooklyn': 2,
    '皇后区': 3,
    'Queens': 3,
    '斯塔滕岛': 4,
    'Staten Island': 4,
    '布朗克斯': 5,
    'Bronx': 5
}

# 第三步：生成目标列，未匹配到的设为0
df['borough_num'] = df['cleaned_borough'].map(borough_map).fillna(0).astype(int)

代码解释： #

• str.extract(r'([A-Za-z\s]+)$')：用正则提取字符串末尾的字母和空格部分，完美去掉前面的数字前缀（比如把“07 Bronx”变成“Bronx”）
• str.strip()：清理掉名称前后可能存在的多余空格
• map(borough_map)：根据字典把名称转换成对应编号，未在字典里的会返回NaN
• fillna(0).astype(int)：把缺失值替换成0，并转成整数类型

方法二：直接关键词匹配（容错性更高） #

如果你的Borough列除了数字前缀，还有其他乱七八糟的后缀（比如“Bronx Downtown”“曼哈顿 南区”），用这种方法更省心，直接匹配关键词就行：

import pandas as pd
import numpy as np

# 定义匹配条件和对应的编号
conditions = [
    df['Borough'].str.contains('曼哈顿|Manhattan', case=False),
    df['Borough'].str.contains('布鲁克林|Brooklyn', case=False),
    df['Borough'].str.contains('皇后区|Queens', case=False),
    df['Borough'].str.contains('斯塔滕岛|Staten Island', case=False),
    df['Borough'].str.contains('布朗克斯|Bronx', case=False)
]
choices = [1, 2, 3, 4, 5]

# 生成目标列，未匹配的默认设为0
df['borough_num'] = np.select(conditions, choices, default=0)

代码解释： #

• str.contains(..., case=False)：忽略大小写匹配关键词，不管名称里有什么前缀后缀，只要包含关键词就会命中
• np.select()：按顺序匹配条件，命中第一个符合的条件就返回对应的编号，全部不命中就返回默认值0

两种方法都能完美解决你提到的“带数字前缀的行仍归属对应行政区”的问题，选哪种看你数据的实际格式啦！

内容的提问来源于stack exchange，提问作者Alex Laval