基于同DataFrame内查找添加manager_name列的高效实现

我正尝试找到一种基于pandas的简洁方案，为DataFrame添加额外列以提升可读性，具体是通过同表查找填充经理姓名。现有数据（已截断）中manager_id与对应用户的user_id一致，数据如下：

期望得到的结果如下：

目前我已实现功能，但方法是通过遍历DataFrame转换的字典，属于不够优雅的临时方案：

dictionary_of_kantoku = df_kantoku.to_dict(orient="records")
for kantoku in dictionary_of_kantoku:
    row_index = df_kantoku.loc[
        (df_kantoku['last_name'].str.contains(kantoku['last_name'])
         & df_kantoku['first_name'].str.contains(kantoku['first_name']))].index[0]
    manager_id = df_kantoku[(df_kantoku['last_name'].str.contains(kantoku['last_name'])
         & df_kantoku['first_name'].str.contains(kantoku['first_name']))]['manager_id'].values[0]
    manager_name = df_kantoku[df_kantoku['user_id'] == manager_id]['first_name'].values[0] + ' ' + df_kantoku[df_kantoku['user_id'] == manager_id]['last_name'].values[0]
    if row_index != 0:
        resultset.loc[row_index, 'manager_name'] = manager_name

希望找到无需字典遍历的高效实现方式。

高效实现方案 #

方法1：map结合姓名映射字典 #

这是最简洁高效的方式，利用Pandas矢量化操作避免遍历：

# 构建user_id到完整姓名的映射字典
manager_name_map = df_kantoku.set_index('user_id').apply(
    lambda x: f"{x['first_name']} {x['last_name']}", axis=1
).to_dict()

# 直接映射填充manager_name列
df_kantoku['manager_name'] = df_kantoku['manager_id'].map(manager_name_map)

方法2：自连接（merge） #

如果后续需要扩展经理相关属性，自连接逻辑更直观：

# 提取经理信息并拼接姓名
manager_info = df_kantoku[['user_id', 'first_name', 'last_name']].rename(
    columns={'user_id': 'manager_id', 'first_name': 'manager_first', 'last_name': 'manager_last'}
)
manager_info['manager_name'] = manager_info['manager_first'] + ' ' + manager_info['manager_last']

# 原表与经理信息表左连接
df_result = df_kantoku.merge(manager_info[['manager_id', 'manager_name']], on='manager_id', how='left')

方案优势 #

• map方法：代码极简，执行效率高，适合仅需填充姓名的场景，彻底避免手动遍历和重复索引查找。
• merge方法：扩展性强，若后续需添加经理的其他属性（如部门、职级），只需修改经理信息表即可。

两种方案均利用Pandas内置的矢量化操作，比遍历字典的方式性能提升显著，代码可读性也更强。

内容的提问来源于stack exchange，提问作者chibisuketyan