Pandas中如何用另一DataFrame的国名替换目标DataFrame中的编码

你遇到的问题是：df1的Countries description列里嵌入了国家编码（比如C0001），需要用df2里的编码-国名映射把这些编码替换成实际国名，但用merge方法没成功。

原始数据 #

df1 #

df2（编码-国名映射） #

为什么merge没用？ #

你之前试的df1.merge(df2, on=['Countries'], how='left')肯定不行，因为merge是基于整列匹配来合并DataFrame的，而你的编码是藏在Countries description的文本里，不是单独的列，merge根本找不到匹配的列，自然没法替换文本内容。

正确解决方案 #

我们需要把编码映射转成字典，再用正则批量替换文本里的编码：

完整代码 #

import pandas as pd
import re

# 构造示例df1
df1 = pd.DataFrame({
    'Countries description': [
        'C0001 also called America,',
        'C0004 and C0003    are neighbhors',
        'on advancing C0005 with C0001.security',
        'C0002, the smallest continent'
    ],
    'Continents': ['America', 'Europe', 'Europe', 'Australi'],
    'values': ['21tr', '504 bn', '600bn', '1.7tr']
})

# 构造示例df2
df2 = pd.DataFrame({
    'Countries': ['US', 'Australia', 'Finland', 'Norway', 'Japan'],
    'Id': ['C0001', 'C0002', 'C0003', 'C0004', 'C0005']
})

# 1. 将df2转为编码到国名的字典
code_map = df2.set_index('Id')['Countries'].to_dict()

# 2. 用正则匹配所有编码并替换
def replace_code(match):
    code = match.group(0)
    return code_map.get(code, code)  # 如果找不到编码，保留原内容

df1['Countries description'] = df1['Countries description'].replace(
    r'\bC\d{4}\b',  # 匹配C开头+4位数字的编码，\b确保是完整编码
    replace_code,
    regex=True
)

print(df1)

替换后结果 #

代码说明 #

• code_map把df2转成以编码为键、国名为值的字典，查询效率高；
• 正则r'\bC\d{4}\b'精准匹配格式为C+4位数字的编码，避免误匹配类似C0001abc这种带后缀的字符串；
• replace方法结合自定义函数，把每个匹配到的编码替换成对应的国名，找不到的编码会保留原样（避免报错）。

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