Python DataFrame批量替换账号列值或新增账号名列的实现方法

核心思路 #

利用Pandas的关联合并或字典映射两种方式，批量完成账号到账号名的匹配，无需手动逐个替换。

步骤1：读取数据 #

先把主DataFrame和账号映射表都读入Pandas：

import pandas as pd

# 读取你的主数据（如果是CSV就用read_csv）
main_df = pd.read_excel('主数据文件.xlsx')

# 读取账号-账号名映射表
mapping_df = pd.read_excel('账号映射表.xlsx')

方法一：新增账号名列（保留原账号） #

用merge做左关联，既能保留主数据所有行，又能匹配对应账号名：

# 根据「账号」列关联，新增「账号名」列
result_df = pd.merge(main_df, mapping_df, on='账号', how='left')

• how='left'：确保主数据里的所有行都保留，即使某个账号在映射表里找不到，对应「账号名」会显示NaN。

方法二：直接替换原账号列/映射新增列 #

先把映射表转成账号:账号名的字典，再用map批量映射：

# 构建账号到账号名的字典
account_name_dict = mapping_df.set_index('账号')['账号名'].to_dict()

# 新增「账号名」列
main_df['账号名'] = main_df['账号'].map(account_name_dict)

# 如果要直接替换原「账号」列，执行下面这行
# main_df['账号'] = main_df['账号'].map(account_name_dict)

补充处理：缺失值 #

如果主数据里有账号不在映射表中，map或merge会返回NaN，可以用fillna统一替换：

# 把未匹配到的账号名设为「未知账号」
main_df['账号名'] = main_df['账号名'].fillna('未知账号')

内容的提问来源于stack exchange，提问作者user20030492