Pandas如何仅在匹配字典键时映射，避免覆盖已有值？

场景1：按优先级填充空值 #

如果希望按「ALIAS_NAME → ASSET_NAME → SERIAL」的优先级尝试匹配，仅当当前id为空时，用下一个字段的匹配值填充，可以使用fillna方法：

# 初始化为ALIAS_NAME的映射结果
df["id"] = df["ALIAS_NAME"].str.lower().map(all_hostnames)
# 用ASSET_NAME的匹配值填充id列空值
df["id"] = df["id"].fillna(df["ASSET_NAME"].str.lower().map(all_hostnames))
# 用SERIAL的匹配值填充剩余空值
df["id"] = df["id"].fillna(df["SERIAL"].map(all_serials))

若需要将SERIAL设为最高优先级（优先用序列号匹配），调整顺序即可：

df["id"] = df["SERIAL"].map(all_serials)
df["id"] = df["id"].fillna(df["ASSET_NAME"].str.lower().map(all_hostnames))
df["id"] = df["id"].fillna(df["ALIAS_NAME"].str.lower().map(all_hostnames))

场景2：高优先级匹配覆盖已有值 #

如果希望高优先级字段的匹配结果覆盖低优先级（比如ASSET_NAME匹配结果替换ALIAS_NAME的，SERIAL匹配结果替换前两者），但仅当字段能匹配到字典时才修改（不会把已有有效值改为NaN），可以结合loc和非空判断实现：

# 初始化为ALIAS_NAME的映射结果
df["id"] = df["ALIAS_NAME"].str.lower().map(all_hostnames)

# 仅更新ASSET_NAME能匹配到的行
asset_map = df["ASSET_NAME"].str.lower().map(all_hostnames)
df.loc[asset_map.notna(), "id"] = asset_map.dropna()

# 仅更新SERIAL能匹配到的行
serial_map = df["SERIAL"].map(all_serials)
df.loc[serial_map.notna(), "id"] = serial_map.dropna()

内容的提问来源于stack exchange，提问作者Empusas