如何在DataFrame列中匹配字典键并映射对应值？

问题背景 #

现有DataFrame df1：

|id|   domains| name|
| 1|      life|  xyz|
| 2|      life|  hyu|
| 3|vkontakete|  jik|

以及映射字典：

domain_dict = { 
    "tassagency": "TACC",
    "life": "LIFE.ru",
    "ria": "RIA | Taza", 
    "nws_ru" : "NEWS.ru | Новости",
    "mash" :"Mash | Мэш"
}

需要实现：将df1的domains列值与domain_dict的键匹配，匹配成功则把对应字典值放入新列vk_dom；不匹配则保留domains列原数值，最终期望输出：

|id|   domains| name|     vk_dom|
| 1|      life|  xyz|    LIFE.ru|
| 2|      life|  hyu|    LIFE.ru|
| 3|vkontakete|  jik| vkontakete|

原代码的问题 #

你尝试的循环写法存在两个关键错误：

1. 内层循环重复使用变量i，覆盖了外层循环的DataFrame索引值，导致逻辑混乱；
2. 内层循环中，只要遇到一个不匹配的字典键，就会把vk_dom重置为原domains值，哪怕之前已经匹配成功，最终会被最后一次不匹配的赋值覆盖。

正确实现方式 #

方法1：Pandas内置映射（推荐，效率高） #

用Series.map()做字典映射，不匹配的项会返回NaN，再用fillna()填充原列值：

df1['vk_dom'] = df1['domains'].map(domain_dict).fillna(df1['domains'])

方法2：Lambda表达式+字典get方法 #

用apply()结合字典的get()方法，直接指定匹配不到时返回原值：

df1['vk_dom'] = df1['domains'].apply(lambda x: domain_dict.get(x, x))

方法3：修复后的循环写法（不推荐，大数据集效率低） #

如果一定要用循环，先默认赋值原列值，再遍历匹配替换：

import numpy as np

df1["vk_dom"] = df1['domains']  # 先设为原值
for idx in df1.index:
    current_domain = df1['domains'][idx]
    if current_domain in domain_dict:
        df1["vk_dom"][idx] = domain_dict[current_domain]

内容的提问来源于stack exchange，提问作者pp45