如何基于字典键值对批量替换字符串中的多个子串实例？

问题场景 #

现有如下DataFrame：

|Name|
|----|
|abc |
|pqr |
|xyz |

输入替换字典：{'a':'1','b':'2','p':'3','r':'4'}
期望输出：

|Name|
|----|
|12c |
|3q4 |
|xyz |

你当前使用的循环代码存在逻辑问题，无法完成正确的累积替换，还会重复生成无效行：

rows_with_replacement = []
# 注意：原代码遍历字典时缺少.items()，会直接报错
for k,l in dict:
    for z in df:
        if k in z:
            new_string = z.replace(k,l)
            rows_with_replacement.append(new_string)
        else:
            new_string=z
            rows_with_replacement.append(new_string)

正确实现方法 #

方法1：str.translate()（单字符替换最优解） #

因为你的替换都是单字符映射，用str.translate()是效率最高的方案。先把字典转换成Unicode编码映射表，再对目标列应用该方法：

import pandas as pd

# 初始化DataFrame
df = pd.DataFrame({'Name': ['abc ', 'pqr ', 'xyz ']})
replace_dict = {'a':'1','b':'2','p':'3','r':'4'}

# 构建翻译映射表
trans_table = str.maketrans(replace_dict)
# 对Name列执行批量替换
df['Name'] = df['Name'].str.translate(trans_table)

print(df)

输出结果：

Name
0  12c 
1  3q4 
2  xyz 

方法2：str.replace()配合正则（支持多字符替换） #

如果后续需要扩展到多字符替换场景，可以用正则表达式拼接所有待替换的键，再通过lambda函数完成映射：

import pandas as pd
import re

df = pd.DataFrame({'Name': ['abc ', 'pqr ', 'xyz ']})
replace_dict = {'a':'1','b':'2','p':'3','r':'4'}

# 构建正则匹配模式，转义特殊字符避免匹配异常
pattern = re.compile('|'.join(re.escape(k) for k in replace_dict.keys()))
# 匹配到对应键时返回字典中的值
df['Name'] = df['Name'].str.replace(pattern, lambda m: replace_dict[m.group()])

print(df)

输出结果和方法1完全一致。

原代码问题分析 #

1. 遍历字典时未调用.items()：直接遍历字典只会拿到键，会抛出ValueError: too many values to unpack错误；
2. 双层循环导致重复生成行：每处理一个字典键就会把整个列的行添加一次，最终rows_with_replacement会生成12行（3行原数据×4个字典键），完全不符合需求；
3. 无法实现累积替换：每次处理字典键时，都是基于原字符串替换，而不是在上一次替换的结果上继续操作，比如处理a时把abc变成1bc，但处理b时又会拿原字符串abc替换成a2c，无法得到12c的最终结果。

内容的提问来源于stack exchange，提问作者UTKARSH SHARMA