如何高效在大型Pandas DataFrame中完成批量值替换与条件修改？

核心思路：用字典映射实现单次遍历替换 #

你之前的写法需要多次调用replace，每次都要遍历整个列，效率低下且代码繁琐。可以通过构建匹配值到目标值的映射字典，然后单次调用replace完成所有替换，这样只会遍历列一次，已匹配修改的行也不会被重复检查。

具体实现步骤 #

1. 构建映射字典
   将所有需要匹配的值和对应的目标值整理成字典格式：

   # 手动构建（适合无规律的匹配组）
   mapping = {
       'matching1': 'value1',
       'matching2': 'value1',
       'matching3': 'value2',
       'matching4': 'value2',
       # ... 其他匹配规则
       'matching999': 'value500',
       'matching1000': 'value500'
   }
   
   # 若匹配值有规律，可批量生成字典（比如每2个matching对应一个value）
   mapping = {}
   for group_num in range(1, 501):
       # 计算当前组对应的matching编号范围
       start_num = 2 * (group_num - 1) + 1
       end_num = 2 * group_num
       # 批量添加映射关系
       for num in range(start_num, end_num + 1):
           mapping[f'matching{num}'] = f'value{group_num}'
   

2. 单次调用replace完成替换
   直接使用字典作为replace的参数，一次完成所有替换：

   df['column'] = df['column'].replace(mapping)
   

   或者用map结合fillna（效果一致，适合需要更灵活处理的场景）：

   # map会将不在字典中的值转为NaN，用fillna保留原始值
   df['column'] = df['column'].map(mapping).fillna(df['column'])
   

优势对比 #

• 效率更高：仅遍历目标列一次，避免多次重复遍历
• 代码更简洁：无需重复写多次replace语句，维护更方便
• 逻辑清晰：所有匹配规则集中在字典中，便于查看和修改

内容的提问来源于stack exchange，提问作者kenny