为何pandas中.apply/.map方法仅对第一列生效？

原问题概述 #

现有两个DataFrame：

• df_colors：20行，包含COLOR（颜色名称）和CODE（对应编码）两列
• df_master：200行13列，所有列都是颜色名称（包含NONE）

需求：将df_master中所有匹配df_colors里COLOR的值替换为对应的CODE，NONE及不在df_colors中的颜色保持不变。

原代码的错误点 #

1. 函数内非法使用continue：fun2函数里的continue是语法错误，continue仅能用于循环结构，函数中应返回原值（如x）来保留未匹配项。
2. 函数调用错误：map中的fun(2)是笔误，应该调用fun2(x)，同时lambda表达式里的逗号是多余语法错误。
3. 低效且不可靠的查找方式：每次通过df_colors[df_colors.COLOR==x]查找匹配项，不仅效率低，还会因未匹配返回空DataFrame，导致后续取值逻辑出错。

最优解决方案 #

核心思路是先将df_colors转换成颜色-编码映射字典，再利用Pandas的批量替换方法完成值的替换，既高效又简洁。

步骤1：构建颜色映射字典 #

把df_colors的COLOR列作为键，CODE列作为值，生成字典：

color_code_map = df_colors.set_index('COLOR')['CODE'].to_dict()

步骤2：批量替换df_master中的值 #

使用Pandas的replace方法，该方法会自动匹配字典中的键并替换为对应值，未匹配的元素保持原样：

dat1 = df_master.replace(color_code_map)

或者使用applymap遍历每个元素（效果相同，适合需要额外判断的场景）：

dat1 = df_master.applymap(lambda x: color_code_map.get(x, x))

完整代码示例 #

# 构建颜色-编码映射字典
color_code_map = df_colors.set_index('COLOR')['CODE'].to_dict()

# 批量替换值
dat1 = df_master.replace(color_code_map)

# 查看结果
dat1.head(3)

效果验证 #

运行后df_master中所有在df_colors里的颜色会被替换为对应编码，NONE、PINK、ORANGE等未匹配值会保持原样，所有列都能正确完成替换。

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