如何基于Pandas DataFrame DF1修改DF2的值并设置Class列

步骤1：构建Code与hasCode?的映射字典 #

先把DF1转换成键为Code（与DF2列名匹配）、值为hasCode?的字典，方便后续快速替换：

import pandas as pd
import numpy as np

# 统一Code类型：DF1的Code如果是数值型，转成字符串匹配DF2的列名
code_map = df1.set_index(df1['Code'].astype(str))['hasCode?'].to_dict()

步骤2：替换DF2中的"x"为对应hasCode?值 #

复制DF2作为DF3的基础，批量替换所有Code列中的"x"：

df3 = df2.copy()
# 筛选出所有Code列（排除Class列）
code_cols = [col for col in df3.columns if col != 'Class']

# 高效批量替换：先把"x"替换为列名，再通过映射字典转成hasCode?值
df3[code_cols] = df3[code_cols].replace('x', df3[code_cols].columns)
df3[code_cols] = df3[code_cols].apply(lambda col: col.map(code_map))

如果数据量较小，也可以用循环逐个列替换，逻辑更直观：

for col in code_cols:
    df3[col] = df3[col].apply(lambda val: code_map[col] if val == 'x' else val)

步骤3：设置Class列的值 #

根据每行替换后的结果，按规则判断Class列取值：

# 标记每行是否存在"yes"或"no"
has_yes = df3[code_cols].eq('yes').any(axis=1)
has_no = df3[code_cols].eq('no').any(axis=1)

# 按优先级赋值：有yes则为Yes，否则有no则为no，无有效值则为empty
df3['Class'] = np.where(has_yes, 'Yes', 
                        np.where(has_no, 'no', 'empty'))

完整示例验证 #

假设你的初始数据如下：

df1 = pd.DataFrame({
    'hasCode?': ['yes', 'no', 'no', 'no', 'yes'],
    'Code': [2051, 2052, 2053, 2086, 2418]
})

df2 = pd.DataFrame({
    'Class': ['', '', '', ''],
    '2051': ['x', '', '', 'x'],
    '2052': ['', '', 'x', 'x'],
    '2053': ['', '', 'x', ''],
    '2086': ['', '', '', ''],
    '2418': ['x', '', '', 'x']
})

运行代码后得到的DF3结果：

内容的提问来源于stack exchange，提问作者TheMcFloyd