如何使用字典值有条件地划分 Pandas DataFrame 列？

对 DataFrame 列进行条件划分是数据预处理中的高频操作。比如把销售额按数值大小归入“高、中、低”三档，或者把订单状态码转换成可读的文本描述。这类任务如果直接用条件判断语句逐行处理，代码会迅速膨胀，而且规则一旦调整，维护成本很高。用字典来集中管理映射关系，再配合 Pandas 的向量化方法，可以让代码保持简洁，执行效率也更高。下面从几个实际场景出发，介绍如何用字典值进行条件划分。

典型场景与字典结构设计

条件划分本质上是一个从原值到目标值的映射，只不过映射规则可能基于精确相等，也可能基于数值区间。精确映射常见于类别编码转换，例如把状态码 1、2、3 分别对应为“待支付”“已支付”“已取消”。此时字典的键就是原列中出现的具体值，值是目标标签。另一种是区间映射，例如把年龄分成“青年”“中年”“老年”，这时无法直接写出所有年龄的具体键，需要引入区间边界。

针对区间映射，字典的键可以设计成区间起点，值对应标签，再用二分查找确定落点；也可以先构造边界列表和标签列表，然后交给 Pandas 的 cut 函数处理。前者的优势是规则完全由字典管理，改动时只需要调整字典，后者则利用了 Pandas 内置的分箱能力，处理大量区间时性能更好。无论哪种方式，核心思想都是把条件逻辑数据化，而不是硬编码在流程里。

在设计字典时，要特别注意键的数据类型必须和 DataFrame 列的数据类型一致。如果列是整数类型，字典的键就应该用整数而不是字符串，否则映射会失败且不会报错，只会产生一大堆 NaN。这一点在从配置文件或数据库加载映射规则时尤其容易踩坑。

用 map 方法实现精确值映射

对于键值一一对应的场景，Pandas 的 map 方法是最直接的工具。它接受一个字典或 Series，将原列中的每个值替换为字典中对应的值，找不到键时返回 NaN。下面是一个完整的示例，把订单状态码转换为中文描述。

import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    'order_id': [101, 102, 103, 104, 105],
    'status_code': [1, 2, 1, 3, 2]
})

# 定义状态码到状态的映射字典
status_map = {
    1: '待支付',
    2: '已支付',
    3: '已取消'
}

# 使用 map 进行条件划分
df['status_label'] = df['status_code'].map(status_map)

print(df)
#    order_id  status_code status_label
# 0       101            1         待支付
# 1       102            2         已支付
# 2       103            1         待支付
# 3       104            3         已取消
# 4       105            2         已支付

上面代码中，map 在底层使用哈希表查找，时间复杂度接近 O(1)，即使数据量达到百万级也能快速完成。如果原列中存在字典里没有的值，例如状态码 4，映射结果会变成 NaN。实际业务中通常需要为未知值提供一个默认标签，可以在映射后使用 fillna 补充，或者先构造一个带有默认值的字典。

另一种做法是利用 replace 方法，它同样支持字典映射，但行为略有差异。replace 可以同时处理多列，并且对 NaN 的处理方式更灵活。对于单列精确替换，map 的性能略优于 replace，因为 map 不涉及列级别的匹配逻辑。如果映射规则只作用于某一列，建议优先使用 map；如果需要对整个 DataFrame 的多列统一替换，replace 会更方便。

用 cut 与字典配合处理区间划分

区间划分比精确映射更复杂一点，因为一个区间的开闭、边界值归属都需要明确。Pandas 提供了 cut 函数来将连续数值切分成离散区间。虽然 cut 本身不直接接受字典，但可以将字典的键和值拆成边界列表和标签列表，再传入 cut。下面这个例子把年龄划分为三个区间：0-18 为“未成年”，19-35 为“青年”，36 以上为“中年及以上”。

import pandas as pd

df = pd.DataFrame({
    'name': ['张三', '李四', '王五', '赵六', '钱七'],
    'age': [16, 28, 45, 33, 8]
})

# 区间字典：键为区间下界，值为标签
age_bins_dict = {
    0: '未成年',
    19: '青年',
    36: '中年及以上'
}

# 拆分字典得到边界和标签
bins = sorted(age_bins_dict.keys()) + [float('inf')]  # 添加无穷大作为最后一个上界
labels = [age_bins_dict[b] for b in sorted(age_bins_dict.keys())]

# 使用 cut 进行区间划分，right=False 表示左闭右开
df['age_group'] = pd.cut(df['age'], bins=bins, labels=labels, right=False)

print(df)
#   name  age   age_group
# 0   张三   16       未成年
# 1   李四   28        青年
# 2   王五   45  中年及以上
# 3   赵六   33        青年
# 4   钱七    8       未成年

上面的代码中，bins 列表的第一个元素是 0，表示第一个区间的起点为 0，最后一个元素是无穷大，保证所有年龄都能落入某个区间。参数 right=False 指定区间为左闭右开，比如 19 岁时会归入“青年”，而 36 岁时归入“中年及以上”。如果希望右闭左开，可以改为 right=True，但此时边界值的分配会改变，需要根据业务需求确定。

当区间数量很多或者规则经常变动时，手动维护边界列表和标签列表容易出现顺序错位。一个更稳健的方式是把字典设计成“区间描述”与“标签”的映射，例如 {'0-18': '未成年', '19-35': '青年', '36+': '中年及以上'}，然后编写一个小函数解析区间字符串生成 bins 和 labels。这样修改规则时只需要改动字典字符串，逻辑代码保持稳定。

动态字典与未知值处理技巧

在实际项目中，映射字典往往不是硬编码在脚本里的，而是从配置文件、数据库或远程接口动态加载。此时可以把字典的构建逻辑独立出来，例如使用 JSON 文件存储规则，启动时加载并转换为 Python 字典。加载后建议验证键的数据类型，因为 JSON 中的数字默认可能是整数或浮点数，如果原列是整数而 JSON 中键是浮点数 1.0，直接 map 会导致映射失败。

import json
import pandas as pd
from collections import defaultdict

# 假设从配置文件中读取规则
config_json = '{"1": "待支付", "2": "已支付", "3": "已取消"}'
raw_map = json.loads(config_json)

# 将字符串键转换为整数键，保证与列类型一致
status_map = {int(k): v for k, v in raw_map.items()}

# 使用 defaultdict 提供默认值，避免未知键产生 NaN
default_status = '未知状态'
safe_map = defaultdict(lambda: default_status, status_map)

df = pd.DataFrame({'status_code': [1, 2, 4, 3]})
df['status_label'] = df['status_code'].map(safe_map)

print(df)
#    status_code status_label
# 0            1         待支付
# 1            2         已支付
# 2            4       未知状态
# 3            3         已取消

这里用 defaultdict 的好处是，map 在遇到未知键时不会返回 NaN，而是调用默认值工厂函数得到“未知状态”。但需要注意，defaultdict 的工厂函数返回的是一个固定字符串，如果默认值需要根据原值动态变化，就需要结合 apply 和自定义函数来处理。

对于区间划分的未知值，例如数值超出所有区间，使用 cut 时可以通过设置 bins 的两端为负无穷和正无穷来避免 NaN。如果数据中有缺失值，map 和 cut 都会保留 NaN，可以在映射后用 fillna 统一填充一个默认类别，比如“未分类”。这些细节处理得当，整个条件转换流程才会既健壮又容易阅读。

Pandas DataFrame条件划分字典值修改时间：2026-09-23 15:09:06