不需要再使用map了。从0.15版本开始，Pandas允许其列的分类数据类型。存储的数据占用更少的空间，对它的操作更快，并且可以使用标签。
我从pandas文档中举了一个例子：

df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":['a', 'b', 'b', 'a', 'a', 'e']})
#Recast grade as a categorical variable
df["grade"] = df["raw_grade"].astype("category")

df["grade"]

#Gives this:
Out[124]: 
0    a
1    b
2    b
3    a
4    a
5    e
Name: grade, dtype: category
Categories (3, object): [a, b, e]

您还可以重命名类别和添加缺少的类别

你可以有一个单独的字典，将值Map到标签：

d={0:"no rain",1:"raining"}

然后你就可以通过

df.rain_column.apply(lambda x:d[x])

Map是很好的，如果你没有catgories烘焙到dataframe。

rainCategories = {1: "raining", 0: "no rain"}
dfRain = pd.DataFrame({"RainFall":[0,1,1,1,0],"day":["M","T","W","R","F"]})
dfRain["rainFall"].map(rainCategories).value_counts()

产出：

RainFall
raining    3
no rain    2
Name: count, dtype: int64