如何通过映射创建关联Customer ID（行索引+1）与Order ID的DataFrame？

我需要创建一个DataFrame，把Customer ID和客户对应的每个Order ID关联起来，其中Customer ID是用行索引+1生成的，想问能不能通过映射来实现？

使用的数据集是invoice_df，包含Order Id、Date、Meal Id等字段，其中Participants字段存储的是参与者姓名的集合。

目前已经实现了以下预处理代码：

import re
import pandas as pd

# 将字符串形式的参与者集合转换为姓名列表
def string_to_list(participant_string):
    return re.findall(r"'(.*?)'", participant_string)

invoice_df["Participants"] = invoice_df["Participants"].apply(string_to_list)

# 获取所有唯一客户姓名数组
customers = invoice_df["Participants"].explode().unique()

# 创建新的客户DataFrame
customers_df = pd.DataFrame(customers, columns=["CustomerName"])

# 添加customer_id（行索引+1）
customers_df["customer_id"] = customers_df.index + 1

# 拆分姓名为名字和姓氏
customers_df["first_name"] = customers_df["CustomerName"].apply(lambda x: x.split(" ")[0])
# 处理多姓氏情况，取空格后的所有部分
customers_df["last_name"] = customers_df["CustomerName"].apply(lambda x: " ".join(x.split(" ")[1:]))

完全可以通过映射实现，核心思路是先建立「客户姓名-Customer ID」的映射字典，再将这个映射应用到拆分后的订单-参与者数据上，最终关联Order ID和Customer ID。

具体步骤如下：

1. 创建姓名到Customer ID的映射字典
   从已有的customers_df中提取映射关系：

name_to_id = customers_df.set_index("CustomerName")["customer_id"].to_dict()

2. 拆分订单与参与者的一对多关系
   对invoice_df的Participants列进行explode操作，让每个参与者对应一行订单数据：

order_customer = invoice_df.explode("Participants").rename(columns={"Participants": "CustomerName"})

3. 通过映射关联Customer ID
   使用map方法将客户姓名替换为对应的Customer ID：

order_customer["customer_id"] = order_customer["CustomerName"].map(name_to_id)

4. 整理最终结果
   保留需要的字段（比如Order Id、customer_id、CustomerName等）即可：

final_df = order_customer[["Order Id", "customer_id", "CustomerName"]].reset_index(drop=True)

这样得到的final_df就实现了Customer ID和每个Order ID的关联，完全通过映射完成，逻辑清晰且高效。

注意：预处理代码里的first_name拆分存在语法错误（少闭合括号且split(" "[0])是笔误），已经在上面的代码中修正；另外last_name处理多姓氏时，用" ".join(x.split(" ")[1:])比只取[1]更合理，避免遗漏多姓氏的情况。

内容的提问来源于stack exchange，提问作者c200402