如何按指定顺序更新Pandas DataFrame某列的多条记录？

问题场景 #

现有如下Pandas DataFrame，key列均为唯一字符串：

import pandas as pd
df = pd.DataFrame({'key':['b','d','c','a','e','f'], 'value': [0,0,0,0,0,0]})

输出：

key value
0   b     0
1   d     0
2   c     0
3   a     0
4   e     0
5   f     0

同时有两组对应数据：

keys = ['a', 'b', 'c', 'd']
values = [1, 2, 3, 4]

需求是按a→1、b→2、c→3、d→4的对应关系更新value列，但使用df.loc[df['key'].isin(keys),'value'] = values后得到错误结果：

key value
0   b     1
1   d     2
2   c     3
3   a     4
4   e     0
5   f     0

期望得到的正确结果：

key value
0   b     2
1   d     4
2   c     3
3   a     1
4   e     0
5   f     0

错误原因 #

df['key'].isin(keys)返回的布尔筛选结果是按原DataFrame的行顺序匹配的，筛选出的行顺序是b、d、c、a，而赋值的values是[1,2,3,4]，Pandas会直接按筛选出的行顺序依次赋值，导致键值对应关系错位。

解决方法 #

方法1：字典映射（最直观） #

将keys和values转为字典，用map匹配键值，保留未匹配的原始值：

key_value_dict = dict(zip(keys, values))
df['value'] = df['key'].map(key_value_dict).fillna(df['value'])

• map会根据key列的值从字典中提取对应数值，未匹配到的键会返回NaN
• fillna(df['value'])把NaN替换为原列的0值，保留未更新行的数据

方法2：利用索引匹配更新 #

创建以keys为索引的Series，通过索引精准匹配赋值：

update_series = pd.Series(values, index=keys)
df['value'] = df['key'].replace(update_series)

• replace会自动将key列的值替换为update_series中对应索引的数值，未匹配的值保持不变

方法3：临时设置索引赋值 #

将key列设为临时索引，按keys顺序精准赋值后恢复原索引：

df = df.set_index('key')
df.loc[keys, 'value'] = values
df = df.reset_index()

• 设置key为索引后，loc[keys]会严格按照keys的顺序找到对应的行，赋值values时不会错位
• 最后用reset_index()恢复原有的整数索引

以上三种方法都能得到你期望的正确结果。

内容的提问来源于stack exchange，提问作者Shaun Han