如何在Python DataFrame中实现基于列值的条件替换？

问题说明 #

现有两个Pandas DataFrame（df1、df2），需生成目标DataFrame df3，替换规则如下：

• 当df2中单元格值为1时，替换为df1对应行的Val1值
• 当df2中单元格值为2时，替换为df1对应行的Val2值
• 其他值保持不变

原始数据 #

df1

df2

预期结果df3 #

实现步骤 #

1. 创建测试数据 #

如果还没有现成的df1和df2，可用以下代码生成：

import pandas as pd

# 构建df1
df1 = pd.DataFrame({
    'Var': ['var1', 'var2', 'var3', 'var4'],
    'Val1': [6, 5, -9, 3],
    'Val2': [7, -4, 3, -2]
})

# 构建df2
df2 = pd.DataFrame({
    'var': ['var1', 'var2', 'var3', 'var4'],
    'S1': [1, 0, 1, 1],
    'S2': [0, 1, 0, 0],
    'S3': [0, 2, 1, 2],
    'S4': [2, 0, 2, 0]
})

2. 核心替换逻辑 #

推荐两种实用方法，按需选择：

方法一：利用replace快速映射（高效简洁）

# 将df1的索引设为Var，方便按行匹配取值
df1_indexed = df1.set_index('Var')

# 定义替换规则：1对应df1的Val1列，2对应Val2列
replace_rules = {
    1: df1_indexed['Val1'],
    2: df1_indexed['Val2']
}

# 复制df2作为df3的基础，避免修改原数据
df3 = df2.copy()
# 对df3中除了var列以外的所有列应用替换规则
df3[df3.columns[1:]] = df3[df3.columns[1:]].replace(replace_rules)

方法二：逐元素判断（直观易懂）

# 把df1转成字典，方便通过var快速获取对应行的Val1和Val2
val_map = df1.set_index('Var').to_dict('index')

# 定义单个元素的替换函数
def replace_single_val(val, current_var):
    if val == 1:
        return val_map[current_var]['Val1']
    elif val == 2:
        return val_map[current_var]['Val2']
    else:
        return val

# 遍历df2的每一行，对每个元素应用替换函数
df3 = df2.apply(lambda row: row.apply(lambda x: replace_single_val(x, row['var'])), axis=1)

3. 验证结果 #

运行上述任意一种方法后，打印df3即可得到预期结果。

方法解释 #

• 方法一：Pandas的replace方法支持用Series作为替换值，将df1索引设为Var后，和df2的var列完全匹配，替换时会自动按行对应取值，效率很高，适合处理大数据量。
• 方法二：通过自定义函数逐元素判断，逻辑直观，新手能快速理解替换规则的对应关系，适合学习底层逻辑，但数据量大时效率不如方法一。

内容的提问来源于stack exchange，提问作者user2088697