如何用DataFrame的Corrected_Name替换列表中匹配的Name元素？

核心思路 #

把DataFrame里的Name和Corrected_Name转换成键值对字典，然后遍历列表，用字典的get()方法快速匹配替换——找到对应键就返回修正值，找不到就保留原字符串，简单高效。

具体步骤（附示例代码） #

1. 导入依赖库

import pandas as pd

2. 构造示例数据（替换成你的真实数据即可）

# 原始列表
F = ["Jonii", "Max", "anna", "xyz"]

# 修正规则DataFrame
df = pd.DataFrame({
    "Name": ["Jonii", "anna"],
    "Corrected_Name": ["Jon", "Anna"]
})

3. 创建名称映射字典
   把DataFrame的Name列作为键，Corrected_Name作为值，转成字典：

name_mapping = df.set_index("Name")["Corrected_Name"].to_dict()

此时name_mapping的内容为：{"Jonii": "Jon", "anna": "Anna"}

4. 遍历列表完成替换
   用列表推导式遍历原列表，借助字典的get()方法实现替换：

f = [name_mapping.get(item, item) for item in F]

• get(item, item)的逻辑：如果item在字典的键中，返回对应的修正值；否则返回item本身。

5. 查看结果

print(f)  # 输出：['Jon', 'Max', 'Anna', 'xyz']

进阶：不区分大小写匹配 #

如果需要忽略大小写（比如列表里的Anna和DataFrame里的anna也要匹配），可以统一转换成小写（或大写）构建映射：

# 构建不区分大小写的映射字典
name_mapping_case_insensitive = df.set_index(df["Name"].str.lower())["Corrected_Name"].to_dict()

# 遍历列表时同步转小写匹配
f_case_insensitive = [name_mapping_case_insensitive.get(item.lower(), item) for item in F]

内容的提问来源于stack exchange，提问作者Asif Sayed