如何用Pandas向量化实现用另一列值替换某列子串

我有一个Pandas DataFrame，其中一列是XML字符串（XML列），另一列（ICCID列）存储着需要逐行替换XML列中子串的值。尝试用向量化方式实现该操作，编写了以下代码：

import pandas as pd

pd.set_option('display.max_columns', None)
pd.set_option('display.max_colwidth', None)
pd.set_option('display.max_rows', None)
pd.set_option('display.expand_frame_repr', False)

columns = ['MSISDN', 'XML', 'ICCID', 'IMSI']
data = [['0123456789', '<subscriberInfo><msisdn>0123456789</msisdn><iccId>12345678998765432100</iccId><imsi>112233445566778</imsi><serviceProviderId>x</serviceProviderId><paymentType>POSTPAID</paymentType></subscriberInfo>', 89410123456789123456, 112233445566778],
['9876543210', '<subscriberInfo><msisdn>9876543210</msisdn><iccId>98765432112365478900</iccId><imsi>998877665544332</imsi><serviceProviderId>x</serviceProviderId><paymentType>POSTPAID</paymentType></subscriberInfo>', 89410987654321987456, 228024357302211],
['0123987456', '<subscriberInfo><msisdn>0123987456</msisdn><iccId>98765432198765432100</iccId><imsi>665544998877332</imsi><serviceProviderId>x</serviceProviderId><paymentType>POSTPAID</paymentType></subscriberInfo>', 89410987654321098765, 228024357302212]]

df = pd.DataFrame(data=data, columns=columns)
df['NEW_XML'] = df['XML'].replace(to_replace=[r'<iccId>\d{20}</iccId>'], value=[fr'<iccId>{df["ICCID"]}</iccId>'], regex=True)

但该方法无法正常工作，XML字符串中的目标子串被替换成了Pandas Series的完整字符串表示，示例如下：

0    89410123456789123456
1    89410987654321987456
2    89410987654321098765
Name: ICCID, dtype: object

期望的NEW_XML列结果如下：

NEW_XML
'<subscriberInfo><msisdn>0123456789</msisdn><iccId>89410123456789123456</iccId><imsi>112233445566778</imsi><serviceProviderId>x</serviceProviderId><paymentType>POSTPAID</paymentType></subscriberInfo>'
'<subscriberInfo><msisdn>9876543210</msisdn><iccId>89410987654321987456</iccId><imsi>998877665544332</imsi><serviceProviderId>x</serviceProviderId><paymentType>POSTPAID</paymentType></subscriberInfo>'
'<subscriberInfo><msisdn>0123987456</msisdn><iccId>89410987654321098765</iccId><imsi>665544998877332</imsi><serviceProviderId>x</serviceProviderId><paymentType>POSTPAID</paymentType></subscriberInfo>'

问题根源：使用df['XML'].replace()时，value参数传入的格式化字符串直接引用了整个df["ICCID"] Series，Pandas会将该Series对象转换成字符串插入，而非逐行取对应的值。

以下是两种可行的向量化实现方式：

方法1：用apply逐行处理（简洁直观） #

通过apply遍历每一行，针对每行的XML字符串和ICCID值完成替换：

df['NEW_XML'] = df.apply(lambda row: row['XML'].replace(r'<iccId>\d{20}</iccId>', f'<iccId>{row["ICCID"]}</iccId>'), axis=1)

方法2：用str.replace配合Series.map（更贴近纯向量化） #

先通过map为每个ICCID生成对应的替换模板字符串，再用str.replace完成批量替换：

# 生成替换模板
replace_str = df['ICCID'].map(lambda x: f'<iccId>{x}</iccId>')
# 批量替换XML中的目标子串
df['NEW_XML'] = df['XML'].str.replace(r'<iccId>\d{20}</iccId>', replace_str, regex=True)

运行任意一种方法后，都能得到符合预期的NEW_XML列。

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