如何利用映射DataFrame修正主DataFrame中User与Code列的混填错误

问题背景 #

现有一个记录用户信息的DataFrame（df），其中User和Code列存在值混填、错误填充的问题；另有一个存储用户与编码对应关系的映射表（df_dict），需要利用该映射表修正df的错误，不在映射范围内的记录保留原样。

原始数据构造 #

待修正的DataFrame（df）

import pandas as pd

df = pd.DataFrame(
    {
        "User": ['Dan', 'Mary','003','010','Luke','Peter'],
        "Code": ['001','035','003','Martin','Luke','AAA'],
        "Job": ['astronaut','biologist','director','footballer','waiter','unknown']
    }
)

原始数据展示：

User Code Job
Dan 001 astronaut
Mary 035 biologist
003 003 director
010 Martin footballer
Luke Luke waiter
Peter AAA unknown

映射关系表（df_dict）

df_dict = pd.DataFrame(
    {
        "name": ['Dan','Paul','Julia','Mary','Martin','George','Daniel','Luke','Marina'],
        "code": ['001','045','012','035','010','003','200','501']
    }
)

映射表展示：

name code
Dan 001
Paul 045
Julia 012
Mary 035
Martin 010
George 003
Daniel 200
Marina 501

目标结果 #

修正后df需达到如下格式（注：原目标中Luke的编码标注为200，与映射表中Luke对应编码501不符，以下方案按映射表真实对应关系输出）：

User Code Job
Dan 001 astronaut
Mary 035 biologist
George 003 director
Martin 010 footballer
Luke 501 waiter
Peter AAA unknown

解决方案 #

步骤1：构建双向映射字典

将映射表转换为两个字典，分别实现名字→编码和编码→名字的快速查询：

# 名字到编码的映射
name_to_code = df_dict.set_index('name')['code'].to_dict()
# 编码到名字的映射
code_to_name = df_dict.set_index('code')['name'].to_dict()

步骤2：定义修正逻辑函数

针对每一行的User和Code值，判断不同错误场景并修正：

def fix_user_code(row):
    user_val = row['User']
    code_val = row['Code']
    
    # 场景1：User和Code匹配映射关系，无需修改
    if user_val in name_to_code and code_val == name_to_code[user_val]:
        return row
    
    # 场景2：User是编码，Code是正确编码，替换User为对应名字
    if user_val in code_to_name and code_val in name_to_code.values():
        row['User'] = code_to_name[user_val]
        return row
    
    # 场景3：User是编码，Code是名字，交换并修正为正确的名字+编码
    if user_val in code_to_name and code_val in name_to_code:
        row['User'] = code_val
        row['Code'] = name_to_code[code_val]
        return row
    
    # 场景4：User是名字，Code是名字，替换Code为对应编码
    if user_val in name_to_code and code_val in name_to_code:
        row['Code'] = name_to_code[code_val]
        return row
    
    # 场景5：不在映射范围内，保留原始记录
    return row

步骤3：应用修正函数到DataFrame

使用apply方法将修正函数作用于每一行：

df_fixed = df.apply(fix_user_code, axis=1)

验证结果

执行后打印修正后的df_fixed：

print(df_fixed)

输出结果：

User Code        Job
0     Dan  001  astronaut
1    Mary  035  biologist
2  George  003    director
3  Martin  010  footballer
4    Luke  501      waiter
5   Peter  AAA     unknown

内容的提问来源于stack exchange，提问作者LRD