如何基于Volume ID将DataFrame中列表类型列的值替换为另一个DataFrame的列值

嘿，刚巧我之前也处理过类似的需求，给你分享个简单高效的做法，分两步就能搞定：

1. 先创建Volume ID到Size的映射字典 #

首先把df2转换成一个以VolumeID为键、size为值的字典，这样查找起来速度超快，尤其是数据量大的时候比用merge或者循环遍历效率高多了：

import pandas as pd

# 先构造你的示例数据（这里我调整了部分ID让它们能匹配上）
df1_data = {
    'instance_id': ['i-0c314bb8d450cvv95', 'i-064e75dvdb8fb8d75', 'i-04a85cb1dccvd895b', 'i-0572cvvdf430d7475', 'i-0fe4cbbfsfgb51c14'],
    'disks': [
        ['vol-08662a47184e0b3b3', 'vol-07a18ce1652ff88f3'],
        ['vol-0f2911a1d0b9a521e', 'vol-0c28d13ada32564da'],
        ['vol-069bf62bf82f32402', 'vol-0424a5deb55024a47'],
        ['vol-0e3b471dcbf0fbd47', 'vol-003d7443d8696a691'],
        ['vol-0bcf2aa4f873cc296', 'vol-03d2a0f318973aaec']
    ]
}
df1 = pd.DataFrame(df1_data)

df2_data = {
    'VolumeID': ['vol-02d8942df26543361', 'vol-0bcf2aa4f873cc296', 'vol-069bf62bf82f32402', 'vol-0424a5deb55024a47', 'vol-0871a4e6f387db693'],
    'instance_id': ['i-0533ae59fgt06cb7a', 'i-0fe4cbbfsfgb51c14', 'i-04a85cb1dccvd895b', 'i-04a85cb1dccvd895b', 'i-0f2ae964gfdgf3caa'],
    'size': [37, 450, 50, 150, 50],
    'type': ['gp3', 'st1', 'gp3', 'st1', 'gp3']
}
df2 = pd.DataFrame(df2_data)

# 创建映射字典
volume_size_map = df2.set_index('VolumeID')['size'].to_dict()

2. 批量替换df1中的Volume ID为Size #

接下来用apply函数遍历df1的disks列，把每个列表里的Volume ID替换成对应的Size，最后转成你想要的空格分隔字符串：

# 替换并转成空格分隔的字符串
df1['disks'] = df1['disks'].apply(lambda x: ' '.join(str(volume_size_map.get(vol, 'N/A')) for vol in x))

# 查看最终结果
print(df1)

运行后你会得到类似这样的结果（找不到匹配的Volume ID会显示N/A，你可以改成自己需要的默认值，比如0或者空字符串）：

instance_id       disks
0  i-0c314bb8d450cvv95  N/A N/A
1  i-064e75dvdb8fb8d75  N/A N/A
2  i-04a85cb1dccvd895b  50 150
3  i-0572cvvdf430d7475  N/A N/A
4  i-0fe4cbbfsfgb51c14  450 N/A

如果想保留列表形式而不是字符串，只需要把join去掉就行：

df1['disks'] = df1['disks'].apply(lambda x: [volume_size_map.get(vol, 'N/A') for vol in x])

这个方法的好处是简单直接，而且处理大数据集的时候性能也不错，比用merge然后再聚合要高效得多～

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