本文介绍如何高效、可复用地为包含国家名称的 Pandas DataFrame 自动添加“大洲”列，避免手动枚举所有国家，核心方法是通过权威公开数据源构建国家→大洲映射字典，并使用 map() 完成批量赋值。
本文介绍如何高效、可复用地为包含国家名称的 pandas dataframe 自动添加“大洲”列，避免手动枚举所有国家，核心方法是通过权威公开数据源构建国家→大洲映射字典，并使用 `map()` 完成批量赋值。
在数据分析中，常需将国家（Country）字段扩展为更高层级的地理维度（如大洲 Continent），以便进行分组统计、可视化或建模。手动维护国家-大洲对照表既易出错又难以维护，而借助结构化公开数据源自动生成映射字典，是专业且可持续的解决方案。
✅ 推荐方案：从权威网站动态抓取并构建映射字典
以下提供两种稳定可靠的来源方式（均基于 pandas.read_html 直接解析网页表格）：
方式一：使用 StatisticsTimes（含完整国家名与大洲字段）
import pandas as pd
# 从 StatisticsTimes 抓取国家-大洲对照表（2024年仍有效）
url = 'https://statisticstimes.com/geography/countries-by-continents.php'
df_continent = pd.read_html(url)[2] # 第三张表格含完整信息
# 构建 {国家名: 大洲} 字典（注意列名需核对，此处为 'Country or Area' 和 'Continent'）
country_to_continent = df_continent.set_index('Country or Area')['Continent'].to_dict()
# 应用到你的原始 DataFrame（假设国家列为 'country'）
df['continent'] = df['country'].map(country_to_continent)
⚠️ 注意事项：
- 网页结构可能更新，建议首次运行时打印 df_continent.head() 确认列名；
- 部分国家名存在变体（如 “USA” vs “United States”），建议统一标准化（见下文）。
方式二：使用 country-code.cl（基于 ISO 两位码缩写映射）
# 该站点以 Continent 缩写（AS/EU/AF等）为主，需额外映射到全称
url = 'https://country-code.cl/'
df_code = pd.read_html(url, encoding='iso-8859-1', skiprows=12)[1]
# 构建缩写→全称映射
code_to_continent = {
'AS': 'Asia', 'EU': 'Europe', 'AF': 'Africa',
'OC': 'Oceania', 'NA': 'North America',
'SA': 'South America', 'AN': 'Antarctica'
}
# 生成 {国家名: 大洲} 字典（跳过 NaN 行）
country_to_continent = (
df_code.set_index('Name')['Continent']
.map(code_to_continent)
.dropna()
.to_dict()
)
? 关键增强技巧：提升鲁棒性
-
处理大小写与别名
实际数据中常出现缩写（如 "US"）、全称（"United States"）或拼写差异。推荐预处理：# 标准化国家列（转小写 + 去空格），字典键也同步处理 df['country_clean'] = df['country'].str.strip().str.lower() d_clean = {k.lower().strip(): v for k, v in country_to_continent.items()} df['continent'] = df['country_clean'].map(d_clean) -
识别未匹配项并诊断
unmatched = df[df['continent'].isna()]['country'].unique() print("未匹配国家（共{}个）：".format(len(unmatched)), list(unmatched)[:10])可据此补充字典或修正原始数据。
-
持久化字典（避免重复爬取）
import json with open('country_to_continent.json', 'w', encoding='utf-8') as f: json.dump(country_to_continent, f, ensure_ascii=False, indent=2) # 后续直接加载：with open(...) as f: d = json.load(f)
✅ 总结
无需硬编码数百个国家，只需一次网络请求即可生成完备映射；结合 map() 方法，实现零循环、高可读、易维护的大洲列添加。建议优先选用 StatisticsTimes 方式（字段语义清晰），并在生产环境中加入异常处理与缓存机制。最终结果列可直接用于 df.groupby('continent').sum() 等分析操作，大幅提升地理维度分析效率。
