如何将参考表数据关联到Pandas DataFrame的嵌套字典数组中？

方法一：字典映射 + 自定义函数处理数组 #

逻辑直观，适合中小规模数据集：

1. 把right_df转换成id到value的映射字典，实现快速查询：

value_map = right_df.set_index('id')['value'].to_dict()

2. 定义函数遍历数组内的字典，添加对应value字段：

def add_value_to_dicts(arr):
    for d in arr:
        d['value'] = value_map.get(d['id'], None)  # 用get避免id不存在时报错
    return arr

3. 用apply将函数应用到left_df的目标列：

left_df['array_column'] = left_df['array_column'].apply(add_value_to_dicts)

方法二：展开数组→合并→重新聚合（适合大数据量） #

优先用Pandas向量化操作，避免循环开销：

1. 展开left_df的数组列，生成每行对应单个字典的格式：

exploded_df = left_df.explode('array_column', ignore_index=True)

2. 提取字典中的id作为单独列，方便合并：

exploded_df['id'] = exploded_df['array_column'].apply(lambda x: x['id'])

3. 和right_df合并获取value：

merged_df = exploded_df.merge(right_df, on='id', how='left')

4. 将value合并回字典，再按parent_id重新聚合数组：

merged_df['array_column'] = merged_df.apply(
    lambda x: {**x['array_column'], 'value': x['value']}, axis=1
)
desired_df = merged_df.groupby('parent_id')['array_column'].agg(list).reset_index()

原merge方法失效原因 #

pd.merge的left_on参数仅支持列名或列级别的值，你尝试的array_column.['id']无法直接访问数组内部字典的id——因为array_column的每个元素是数组而非单个字典，Pandas无法解析这种嵌套路径。

内容的提问来源于stack exchange，提问作者0hdub