如何在Pandas DataFrame中用其他列值替换指定占位符？

问题场景 #

现有包含ID、Name、Comment列的Pandas DataFrame，Comment列存在占位符NameTag和IDTag，需要将这两个占位符分别替换为对应行的Name列与ID列的值。示例输入与输出如下：

输入表格 #

期望输出表格 #

尝试使用pandas replace函数实现时触发报错：ValueError: Series.replace cannot use dict-value and non-None to_replace。

报错原因 #

Series.replace()的字典参数仅支持全局固定值替换（比如{'old':'new'}将所有匹配old的字符串替换为new），但这里需要的是按行动态替换（每一行的替换值对应自身的Name/ID，不是全局固定值），直接传递字典的用法不符合该函数的参数规则，因此报错。

解决方案 #

方法1：用apply逐行处理 #

这是最直观的方式，逐行对Comment进行两次替换：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'ID': ['A1', 'A2'],
    'Name': ['Alex', 'Alice'],
    'Comment': [
        'the name NameTag belonging to IDTag is a common name',
        "Judging the NameTag of IDTag, I feel its a girl's name"
    ]
})

# 逐行替换占位符
df['Comment'] = df.apply(
    lambda row: row['Comment'].replace('NameTag', row['Name']).replace('IDTag', row['ID']),
    axis=1
)

方法2：用str.replace结合正则与lambda #

利用正则匹配占位符，通过lambda函数根据匹配结果动态获取对应行的替换值，适合数据量较大的场景：

df['Comment'] = df['Comment'].str.replace(
    r'(NameTag|IDTag)',
    lambda match: df.loc[match.pos, 'Name'] if match.group() == 'NameTag' else df.loc[match.pos, 'ID'],
    regex=True
)

方法3：用字符串格式化 #

将Comment转换为格式化模板，再逐行填充对应字段：

df['Comment'] = df.apply(
    lambda row: row['Comment'].replace('NameTag', '{Name}').replace('IDTag', '{ID}').format(**row),
    axis=1
)

内容的提问来源于stack exchange，提问作者AnalysisChamp