Python Pandas：基于匹配规则创建DataFrame新列

嘿，我来帮你搞定这个需求！你想要基于已有列column_ref的取值，通过字典d的映射生成新列column_new对吧？这在Pandas里其实有非常直接的解决方案，大概率是你之前的方法没踩对正确的路子～

最常用的方法：map()函数 #

map()是处理这种列值映射最直观的工具，它会逐个匹配column_ref里的元素和字典d的键，把对应的字典值赋值给新列。

示例代码 #

import pandas as pd

# 先构造一个示例DataFrame（你可以替换成自己的df）
df = pd.DataFrame({
    'column_ref': ['column_ref_value1', 'column_ref_value2', 'column_ref_value3', 'column_ref_value1', 'some_other_value']
})

# 你的映射字典
d = {'column_ref_value1': 'a', 'column_ref_value2': 'b', 'column_ref_value3': 'c'}

# 生成新列
df['column_new'] = df['column_ref'].map(d)

执行后你的DataFrame会变成这样：

如果不想让未匹配到的值变成NaN，可以用fillna()指定默认值：

df['column_new'] = df['column_ref'].map(d).fillna('未匹配')

备选方案：replace()函数 #

如果你希望未匹配到的元素保留原列的值，而不是变成NaN，可以用replace()：

df['column_new'] = df['column_ref'].replace(d)

这时候上面示例中的some_other_value会直接保留在column_new列里，不会被替换。

排查之前失败的可能原因 #

如果之前尝试没成功，大概率是这两个问题：

• 类型不匹配：比如column_ref里的值是数字类型，而字典d的键是字符串，或者反过来，这时候需要统一类型，比如df['column_ref'] = df['column_ref'].astype(str)
• 格式不一致：比如列里的值有大小写差异、多余空格，比如'Column_Ref_Value1'和字典里的'column_ref_value1'不匹配，这时候可以先标准化格式：

  df['column_ref'] = df['column_ref'].str.lower().str.strip()
  

内容的提问来源于stack exchange，提问作者Andy