如何基于列值执行查找并填充DataFrame的ParentCategoryId空列？

云上老周

2026-8-5

解决方案：用Pandas矢量化操作高效填充ParentCategoryId

核心思路是先建立SourceCategoryId到CategoryId的映射关系，再通过这个映射快速匹配SourceParentCategoryId对应的CategoryId，避免低效的逐行遍历。

具体步骤：

构建映射结构：从现有DataFrame中提取SourceCategoryId作为键，CategoryId作为值，形成可快速查找的映射。
筛选目标行：仅处理SourceParentCategoryId不为0的行，符合你提出的跳过逻辑。
批量填充：用映射关系批量替换SourceParentCategoryId为对应的CategoryId，赋值给ParentCategoryId列。

代码实现

import pandas as pd

# 构造样本数据（实际使用时直接读取你的数据源即可）
data = {
    'CategoryId': [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20],
    'ParentCategoryId': [None, None, 9.0, 20.0, 4.0, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None],
    'SourceCategoryId': [100,101,102,103,104,105,106,107,108,109,110,111,112,113,114,115,116,117,118,100],
    'SourceParentCategoryId': [0,0,108,100,103,103,103,103,0,108,103,103,103,100,113,113,113,113,113,113]
}
df = pd.DataFrame(data)

# 建立SourceCategoryId -> CategoryId的映射（Series更适配Pandas操作）
source_category_map = df.set_index('SourceCategoryId')['CategoryId']

# 筛选需要填充的行并批量赋值
fill_mask = df['SourceParentCategoryId'] != 0
df.loc[fill_mask, 'ParentCategoryId'] = df.loc[fill_mask, 'SourceParentCategoryId'].map(source_category_map)

# 查看结果
print(df)

关键说明：

效率优势：map的矢量化操作比iterrows()或apply()逐行遍历快几个数量级，尤其适合大数据量场景。
缺失值处理：如果SourceParentCategoryId的值在SourceCategoryId中不存在，map会返回NaN，可通过fillna()保留原有值或填充默认值，示例：
```
df.loc[fill_mask, 'ParentCategoryId'] = df.loc[fill_mask, 'SourceParentCategoryId'].map(source_category_map).fillna(df['ParentCategoryId'])
```
覆盖逻辑：若需要完全按规则覆盖现有ParentCategoryId值，直接使用示例中的赋值语句即可。