Python 自动对数组中的元素进行分类

我正在为给定的地点建立一个植被类型的行程。数据以CSV的形式传递给我，我需要一种方式，可以自动将一列中的项目重新分类到我提供的更广泛的类中。我已经可以用pandas读取数据，进行一些整理，然后将数据帧写入一个新文件

然而，鉴于我获得的专栏内容如下：

species = ['maple', 'oak', holly, 'sawgrass', 'cat tails'...... 'birch']

我希望能够使用另一个列表自动地将其重新分类为广泛的类别，如：

VegClass = ['Tree', 'Bush', 'Grass']

我所知道的唯一方法是以类似于以下方式迭代物种列表：

out = []
for i in species:
    if species[i]=='Oak':
    out.append('Tree')

但是，如果物种列表变得非常大，这需要我编写大量代码，而且我不认为它对大型数据集非常有效

有没有更直接的方法？我知道我需要手动列出所有物种（在单独的类别中），例如：

---

但我只需要做一次就可以建立一个物种名称词典。我期待更多的数据，所以将来可能需要添加一两个额外的物种名称，但如果我能快速处理大量数据，这不会被认为是太耗时。

我不知道我是否了解你，但因为你必须创建某种形式的关联列表

植物型 橡树 锯草 kkk|布什 ... 只需创建一个哈希表并从哈希表中获取类型。

---

您可以从外部文件读取该表，这样它就不会在程序中硬编码。

您需要为不同的项创建一个分类器映射的dict，例如

classifier = {'oak': 'Tree', 
              'maple': 'Tree', 
              'holly': 'Tree', 
              'sawgrass': 'Grass',
              'cat tails': 'Bush', 
              'birch': 'Tree'}

然后，获得一列组就像调用列一样简单

>>> df.species.map(classifier)

0     Tree
1     Tree
2     Tree
3    Grass
4     Bush
5     Tree
Name: species, dtype: object

因此，您可以使用

df['classification'] = df.species.map(classifier)

---

你需要一本像这样的字典

VegClass = {'oak': 'Tree', 'seagrass': 'Grass'}
df['class'] = df['species'].map(VegClass)

---

你需要一本指定{'oak'：'Tree'}等的字典，然后你可以用它来映射你的专栏。虽然我理解dict背后的想法，但它是我以前从未尝试过使用的东西，所以我不太确定从哪里开始，尤其是在熊猫内部。这是一个非常有用的例子

VegClass = {'oak': 'Tree', 'seagrass': 'Grass'}
df['class'] = df['species'].map(VegClass)