Pandas/Python：基于其他列交叉引用创建主管ID新列

嘿，刚接触Python的话遇到这种映射问题很正常，咱们一步步来搞定它！你的需求本质是把每个员工的主管名字，对应到主管在员工列表里的ID，用map()函数是最简洁高效的方案，比你之前试的np.where或者iloc要省心太多～

步骤拆解 #

1. 先创建你的示例DataFrame #

首先咱们先把你给出的输入数据转换成可运行的代码：

import pandas as pd

# 输入DataFrame
data = {
    'EmployeeName': ['Jim', 'Brittany', 'Todd'],
    'ID': [123, 345, 456],
    'SupervisorName': ['Brittany', 'Todd', 'Grace']
}
df = pd.DataFrame(data)

2. 生成「员工名字→ID」的映射字典 #

咱们需要先做一个字典，把每个员工的名字和他们的ID绑定起来，这样后续可以直接通过主管名字查ID：

# 创建名字到ID的映射字典
name_to_id = df.set_index('EmployeeName')['ID'].to_dict()

运行后这个字典的内容是：{'Jim': 123, 'Brittany': 345, 'Todd': 456}，完美对应咱们要的匹配关系！

3. 用映射字典生成SupervisorID列 #

接下来直接用map()函数，把SupervisorName列的每个值，替换成字典里对应的ID：

# 添加SupID列（你要的SupervisorID）
df['SupID'] = df['SupervisorName'].map(name_to_id)

这里要注意：如果某个主管的名字不在员工列表里（比如你的例子里Todd的主管Grace），对应的SupID会变成NaN（空值）。

4. 过滤掉没有匹配到主管ID的行（可选，匹配你的期望输出） #

你的期望输出里没有Todd那一行，因为他的主管不在员工列表里，所以咱们可以把空值的行删掉：

# 去掉SupID为空的行
df = df.dropna(subset=['SupID']).reset_index(drop=True)

最终运行结果 #

执行完上面的代码后，输出的DataFrame就和你期望的完全一致了：

EmployeeName   ID SupervisorName  SupID
0          Jim  123       Brittany    345
1      Brittany  345           Todd    456

为什么这个方法更好？ #

• 比np.where或者循环遍历要简洁高效，尤其是当你的数据集很大的时候，map()是pandas专门优化过的向量操作，速度快很多
• 代码可读性强，一眼就能看出来是在做名字到ID的映射
• 扩展性好，如果后续要新增员工或者主管，只需要更新原始DataFrame，映射字典会自动更新

内容的提问来源于stack exchange，提问作者ek11222