如何在不遍历行的情况下为Pandas DataFrame实现指定映射？

可以利用Pandas的矢量化字符串方法结合numpy的条件处理能力，完全避免逐行遍历，效率远高于循环：

方法一：用np.select实现多条件映射 #

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({'id': [1,2,3], 'letter': ['x,y', 'z', 'a']})

# 定义判断条件与对应值
conditions = [
    df['letter'].str.contains('x'),
    df['letter'].str.contains('z')
]
values = [1, 2]

# 生成map列，未匹配的情况默认赋值0
df['map'] = np.select(conditions, values, default=0)

方法二：链式布尔索引赋值 #

也可以通过布尔索引直接批量赋值，注意条件顺序（优先级高的条件后执行，避免被覆盖）：

df['map'] = 0  # 先设置全局默认值
df.loc[df['letter'].str.contains('z'), 'map'] = 2
df.loc[df['letter'].str.contains('x'), 'map'] = 1  # 后处理x的条件，保证其优先级

两种方法都能得到目标结果：

关键说明 #

• str.contains是Pandas原生的矢量化字符串方法，会对整列数据批量执行包含判断，返回布尔数组，无需逐行操作
• np.select适合多分支的条件映射场景，按条件顺序依次匹配赋值
• 链式赋值时，优先级高的条件要放在后面执行，确保其结果不会被低优先级条件覆盖

内容的提问来源于stack exchange，提问作者learner