基于条件与变量实现Pandas值向另一DataFrame的映射（Python Pandas）

场景说明 #

• 结果DataFrame：空结构，列名涵盖1至12，共12列
• 源DataFrame：包含待映射的业务数据，以及一列指定目标列位置的字段（例如命名为target_col，值为1-12的整数，对应结果DF的列名）

实现方案 #

1. 构造示例测试数据 #

先模拟两个DataFrame的结构，方便验证效果：

import pandas as pd

# 源DF：包含待映射数据和目标列标识
source_df = pd.DataFrame({
    'data': [10, 20, 30, 40],
    'target_col': [3, 7, 1, 12]  # 对应结果DF的第3、7、1、12列
})

# 空结果DF：列名设为1-12的字符串形式
result_df = pd.DataFrame(columns=[str(i) for i in range(1, 13)])

2. 两种映射实现方式 #

方式一：批量高效映射（推荐）

利用pivot将源DF转为宽表，再通过列名对齐匹配结果DF的结构，适合大数据量场景：

# 转换为宽表，列对应target_col的值
mapped_wide = source_df.pivot(columns='target_col', values='data')
# 将列名转为字符串，对齐结果DF的列名
mapped_wide.columns = mapped_wide.columns.astype(str)
# 合并到结果DF，缺失列自动填充NaN
result_df = pd.concat([result_df, mapped_wide], ignore_index=True)

方式二：逐行赋值（小数据量适用）

通过遍历源DF的每一行，根据target_col定位结果DF的列并赋值：

for idx, row in source_df.iterrows():
    target_col_name = str(row['target_col'])
    result_df.loc[idx, target_col_name] = row['data']

3. 最终效果 #

处理完成后，result_df会将源DF中的data值精准放入target_col指定的列位置，未匹配的列保持空值（NaN）。

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