如何将DataFrame成绩匹配循环代码改写为更高效的函数？

你的需求是把每个学生的等级列表转换成对应的分数列表，当前的嵌套循环+异常处理虽然可行，但在数据量增大时会有明显的性能瓶颈。我们可以通过字典映射和pandas向量化操作来优化，让代码更简洁、执行更快。

第一步：构建等级-分数的映射字典 #

首先把score DataFrame转换成字典，这样查找等级对应的分数是O(1)的时间复杂度，比每次用loc遍历DataFrame高效得多：

import pandas as pd

# 假设你的score和students DataFrame已经创建
score_map = score.set_index('grade')['score'].to_dict()

第二步：快速转换等级列表为分数列表 #

利用pandas.Series.apply配合列表推导，结合字典的get方法（自动处理找不到的等级，返回默认值0），一行代码就能完成转换：

students['score'] = students['grades'].apply(
    lambda grades_list: [score_map.get(grade, 0) for grade in grades_list]
)

效果验证 #

执行后你的students DataFrame会变成：

name      grades          score
0   Adam  [A, B, A, F]  [90, 80, 90, 0]
1   Jane  [C, B, A, F]  [70, 80, 90, 0]

为什么这个方案更高效？ #

• 字典查找替代循环遍历：原来的score.loc[score['grade'] == grade]每次都会遍历整个score DataFrame，而字典的get方法是直接查找，速度提升明显
• 去掉异常处理：用get方法的默认值参数替代try-except，代码更简洁，也避免了异常捕获的性能开销
• 向量化操作：apply配合列表推导比纯Python嵌套循环更贴合pandas的设计，在数据量较大时优势更显著

超大数据集的进阶方案 #

如果你的数据集非常大（比如上万条学生记录），可以用完全的向量化操作进一步优化（避免Python层面的循环）：

# 展开等级列表
exploded_students = students.explode('grades')
# 关联分数，找不到的填充0
merged = exploded_students.merge(score, left_on='grades', right_on='grade', how='left').fillna({'score': 0})
# 重新聚合回列表
students['score'] = merged.groupby('name')['score'].agg(list)

这个方案完全利用pandas的内部向量化逻辑，性能会比apply更优，但代码稍长，适合超大规模数据场景。

内容的提问来源于stack exchange，提问作者John peter