如何用其他DataFrame列按匹配条件替换Pandas DataFrame的ID列

示例数据构造 #

先还原你提供的DataFrame：

import pandas as pd

# 构造df1
df1 = pd.DataFrame({
    'f_id': [0, 1],
    'l_id': [0, 1],
    'p_id': [1, 2],
    's_id': [1, 2]
})

# 构造df2
df2 = pd.DataFrame({
    'f_id': [0, 1],
    'f_name': ['Johen', 'Joe']
})

# 构造df3
df3 = pd.DataFrame({
    'l_id': [0, 1],
    'l_name': ['Ardi', 'Peykan']
})

替换ID为名称的实现 #

核心思路是把df2、df3转换成ID-名称映射字典，再用map()方法对df1的对应列做批量替换，自动适配ID顺序混乱、DataFrame长度不一致的场景：

# 生成ID到名称的映射字典
f_map = df2.set_index('f_id')['f_name'].to_dict()
l_map = df3.set_index('l_id')['l_name'].to_dict()

# 替换df1中的ID列
df1['f_id'] = df1['f_id'].map(f_map)
df1['l_id'] = df1['l_id'].map(l_map)

# 可选：如果df1存在df2/df3中没有的ID，用fillna保留原ID
# df1['f_id'] = df1['f_id'].map(f_map).fillna(df1['f_id'])

最终结果 #

运行后得到的df1就是目标结果：

f_id    l_id  p_id  s_id
0  Johen    Ardi     1     1
1    Joe  Peykan     2     2

补充说明 #

• 不管df2/df3的ID顺序和df1是否一致，map()都会根据ID值精准匹配替换
• 若df1中存在df2/df3未覆盖的ID，默认会转为NaN，可通过fillna保留原ID值
• 该方法效率较高，适合处理大规模数据

内容的提问来源于stack exchange，提问作者ijavadddd