如何在Pandas中将列值映射到另一列的%格式字符串？

你的需求是把Message列里的%d、%s这类printf风格占位符，替换成同行value1、value2等列的对应值。之前用str.format()无效是因为它只支持{}格式的占位符，得用Python原生的%格式化语法，下面给你两种可行方案：

方案一：apply逐行处理（简单直观，适合小数据集） #

定义一个处理单行的函数，用%语法完成格式化，再通过apply遍历每一行：

def fill_placeholders(row):
    # 按占位符顺序传入对应列的值，注意类型匹配：%d对应数值，%s对应任意类型
    return row['Message'] % (row['value1'], row['value2'])

# 生成新的格式化列，也可以直接覆盖原Message列
df['Formatted_Message'] = df.apply(fill_placeholders, axis=1)

方案二：矢量化处理（效率更高，适合大数据集） #

用Pandas内置的str.mod方法，专门适配printf风格的字符串格式化，无需循环：

# 把需要替换的列按顺序打包成元组，再用str.mod完成批量格式化
df['Formatted_Message'] = df['Message'].str.mod(df[['value1', 'value2']].apply(tuple, axis=1))

注意事项 #

• 占位符的数量、类型必须和对应列严格匹配：比如%d要对应数值型列（int/float），%s可兼容任意类型（自动转字符串），不匹配会触发报错。
• 若有更多列（如value3、value4），只需在元组中添加对应列名即可，比如(row['value1'], row['value2'], row['value3'])。
• 尽量避免逐行循环修改原列（类似你之前的写法），Pandas循环效率极低，还容易出现索引错误。

内容的提问来源于stack exchange，提问作者pyshadi