使用.map和lambda从DataFrame匹配数据时返回Series而非值的问题

你用lambda x: product_list[(product_list['Country'] == 'Ireland') & (product_list['EAN Number'] == x)]['Local Product Code']返回的是Series对象——哪怕筛选结果只有一个值，它依然是带索引和名称的Series，而非单个字符串/数值，所以map之后Product列就会显示成Series的描述文本。

方案1：修改lambda，提取单个值 #

在lambda里对筛选后的Series取第一个元素，同时处理无匹配的情况避免报错：

inventory_helper['Product'] = np.where(inventory_helper['Country'] != 'IE',
                                      inventory_helper['Country'] + inventory_helper['Product'],
                                       inventory_helper['EAN (for IE)'].map(lambda x: product_list[(product_list['Country'] == 'Ireland') & (product_list['EAN Number'] == x)]['Local Product Code'].iloc[0] 
                                                                             if not product_list[(product_list['Country'] == 'Ireland') & (product_list['EAN Number'] == x)].empty else np.nan)
)

注意：这种方式每次map都会遍历整个product_list，数据量大时效率偏低。

方案2：先构建映射字典（高效推荐） #

先从product_list提取爱尔兰地区的EAN与编码的映射关系，再用字典做映射：

# 构建爱尔兰地区EAN到Local Product Code的映射字典
ie_product_map = product_list[product_list['Country'] == 'Ireland'].set_index('EAN Number')['Local Product Code'].to_dict()

# 执行赋值逻辑
inventory_helper['Product'] = np.where(inventory_helper['Country'] != 'IE',
                                      inventory_helper['Country'] + inventory_helper['Product'],
                                       inventory_helper['EAN (for IE)'].map(ie_product_map)
)

这种方式仅遍历一次product_list，效率更高，且map直接返回单个值；若EAN无匹配，会自动返回NaN，无需额外处理报错。

内容的提问来源于stack exchange，提问作者asuidncsdk