如何使用Pandas将DataFrame列指定值转换为对应缩写？

当然可以！完全不用依赖scikit-learn，用Pandas自己的工具就能轻松搞定这个值映射需求，而且方法还挺灵活的，我给你介绍几种常用的实现方式：

这是处理这种一对一值映射最直观的方式，先定义一个映射字典，然后用map()把原列的每个值对应到缩写：

import pandas as pd

# 构造示例DataFrame（模拟你的数据）
data = {'rating': ['excellent', 'good', 'average', 'bad', 'very bad', 'good', 'excellent']}
df = pd.DataFrame(data)

# 定义映射规则字典
rating_mapping = {
    'excellent': 'EX',
    'good': 'G',
    'average': 'Avg',
    'bad': 'B',
    'very bad': 'VB'
}

# 新增缩写列
df['rating_abbr'] = df['rating'].map(rating_mapping)

print(df)

运行后会得到如下结果：

rating rating_abbr
0  excellent          EX
1       good           G
2    average         Avg
3        bad           B
4   very bad          VB
5       good           G
6  excellent          EX

如果需要更灵活的替换场景（比如后续要扩展正则替换等），replace()也能实现同样的效果，用法和map()几乎一致：

df['rating_abbr'] = df['rating'].replace(rating_mapping)

这个写法的效果和map()完全相同，区别在于replace()支持更多高级替换逻辑，而map()更专注于简单的字典映射。

如果你的DataFrame里可能存在不在映射字典中的值，map()会把这些值转为NaN，这时候可以用fillna()来填充默认值，避免出现缺失值：

# 把未匹配到的值统一替换为"Unknown"
df['rating_abbr'] = df['rating'].map(rating_mapping).fillna('Unknown')

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