如何用pandas的str.replace方法批量替换DataFrame指定列的值？

原数据 #

column1  column2
aaaa     cup
bbbb     coffee
cccc     juice
dddd     tea

期望结果 #

column1  column2
aaaa     pink 
bbbb     brown 
cccc     orange
dddd     white

问题与尝试 #

多次单独调用str.replace可实现需求，但代码繁琐：

df['column2'] = df['column2'].str.replace('cup', 'pink')
df['column2'] = df['column2'].str.replace('coffee', 'brown')
df['column2'] = df['column2'].str.replace('juice', 'orange')
df['column2'] = df['column2'].str.replace('tea', 'white')

尝试用字典批量替换但失败：

change_word = {
    'cup':'pink'    ,'coffee':'brown',
    'juice':'orange','tea':'white'
}
df['column2'].str.replace(change_word, inplace=True)

解答 #

1. str.replace不支持直接传入字典做批量替换：该方法第一个参数仅接受字符串或正则表达式，第二个参数接受字符串或替换函数，直接传字典不符合参数要求，因此无法生效。

2. 可行解决方案：通过正则表达式结合lambda函数实现批量替换，既支持部分匹配，也可按需设置精确匹配：

import re

change_word = {
    'cup':'pink',
    'coffee':'brown',
    'juice':'orange',
    'tea':'white'
}

# 生成匹配所有待替换关键词的正则（自动转义特殊字符）
pattern = re.compile('|'.join(re.escape(key) for key in change_word.keys()))
# 用lambda函数根据匹配到的关键词返回对应替换值
df['column2'] = df['column2'].str.replace(pattern, lambda match: change_word[match.group()])

• 如果需要精确匹配整个单词（比如避免把'cupcake'中的'cup'误替换），可以给正则加上单词边界\b：

pattern = re.compile(r'\b(' + '|'.join(re.escape(key) for key in change_word.keys()) + r')\b')

该方法既简化了代码，又保留了str.replace支持部分匹配的特性，完全符合需求。

内容的提问来源于stack exchange，提问作者now