基于Python中列表的索引填充int64 DataFrame列

我有一个包含所有int64类型列的数据帧

  City  Val  ...
0    3    1  
1    2   43  
2    0   32  
3    1   54

然后，我有一个类别名称列表：

names = ['Sydney', 'Tokyo', 'Vancouver', 'Toronto']

我想做的是，根据

名称

列表索引，即0='Sydney'和1='Tokyo'，用城市名称填充城市列

理想结果：

       City Val  ...
0   Toronto   1  
1 Vancouver  43  
2    Sydney  32  
3     Tokyo  54

我尝试了：

df['City'].loc[df['City'].isin（名称），df['City']]=names.index（df['City']）

，但出现了一个错误

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

并且，我想将城市列更改为类别类型

    df['City'] = df['City'].astype('category')
    df['City'].cat.set_categories(names, ordered=True, inplace=True)

与

枚举创建的词典一起使用

：

names = ['Sydney', 'Tokyo', 'Vancouver', 'Toronto']
df['City'] = df['City'].map(dict(enumerate(names)))
print (df)
        City  Val
0    Toronto    1
1  Vancouver   43
2     Sydney   32
3      Tokyo   54

详细信息：

print (dict(enumerate(names)))
{0: 'Sydney', 1: 'Tokyo', 2: 'Vancouver', 3: 'Toronto'}

那么对于分类：

df['City'] = pd.CategoricalIndex(df['City'].map(dict(enumerate(names))),
                                 ordered=True, 
                                 categories=names)

或：

与

枚举创建的词典一起使用

：

names = ['Sydney', 'Tokyo', 'Vancouver', 'Toronto']
df['City'] = df['City'].map(dict(enumerate(names)))
print (df)
        City  Val
0    Toronto    1
1  Vancouver   43
2     Sydney   32
3      Tokyo   54

详细信息：

print (dict(enumerate(names)))
{0: 'Sydney', 1: 'Tokyo', 2: 'Vancouver', 3: 'Toronto'}

那么对于分类：

df['City'] = pd.CategoricalIndex(df['City'].map(dict(enumerate(names))),
                                 ordered=True, 
                                 categories=names)

或：

---

你是个传奇，伙计！非常感谢。你是一个传奇，伙计！非常感谢。