如何用pandas Lambda函数按条件匹配JSON更新指定列数据？

原始数据 #

映射关系 #

{
"NM":"Nano Master",
"PO":"Prank Operation"
}

需求 #

当Col C的值为RETIRED，且Col B的值存在于上述JSON的键中时，将Col A的值替换为JSON对应键的取值。对应SQL逻辑：

UPDATE TABLE SET COL_A = JSON WHERE COL_C='RETIRED' AND COL_B = JSON->>'key'

错误尝试 #

你之前用的Lambda函数存在条件判断错误，没有匹配需求逻辑：

df[COL_A] = df.apply(lambda x: "col_b" if x["COL_B"] == "RETIRED" else x["COL_A"], axis=1)

正确实现方式 #

方法1：修正apply逻辑 #

先把JSON转为Python字典，再在apply里正确判断条件：

import pandas as pd

# 构造原始数据集
data = {
    "Col A": ["Nanana", "Popopo", "Cecece", "Lalala"],
    "Col B": ["NM", "PO", "ZX", "AB"],
    "Col C": ["RETIRED", "RETIRED", "WORK", "WORK"]
}
df = pd.DataFrame(data)

# JSON映射转为Python字典
mapping = {
    "NM": "Nano Master",
    "PO": "Prank Operation"
}

# 修正后的apply逻辑
df["Col A"] = df.apply(
    lambda x: mapping[x["Col B"]] if x["Col C"] == "RETIRED" and x["Col B"] in mapping else x["Col A"],
    axis=1
)

方法2：矢量化操作（推荐，效率更高） #

避免使用apply，改用loc筛选目标行，再通过map批量替换值：

# 筛选符合条件的行：Col C为RETIRED，且Col B在映射键集合内
mask = (df["Col C"] == "RETIRED") & (df["Col B"].isin(mapping.keys()))

# 对目标行更新Col A的值
df.loc[mask, "Col A"] = df.loc[mask, "Col B"].map(mapping)

执行后得到的最终结果：

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