通过键将数据框某列值替换为另一数据框中的对应值

方法1：分步映射（先转数字，再转v2s） #

假设你已经定义好两个字典：

• v1_to_num：键为v1s的取值，值为对应的转换数字
• num_to_v2：键为数字，值为对应的v2s

直接用pandas的map()方法对目标列做两次映射即可，无需用merge或join：

import pandas as pd

# 示例数据（可替换为你的实际数据）
df = pd.DataFrame({'col1': ['a', 'b', 'c', 'a'], 'col2': [1, 2, 3, 4]})
v1_to_num = {'a': 10, 'b': 20, 'c': 30}
num_to_v2 = {10: 'x', 20: 'y', 30: 'z'}

# 定位目标列：如果N是从1开始的列序号，转成pandas的列名/索引
target_col = df.columns[N-1]

# 第一步：将v1s转换为数字
df[target_col] = df[target_col].map(v1_to_num)
# 第二步：将数字转换为v2s
df[target_col] = df[target_col].map(num_to_v2)

方法2：合并字典直接映射（更高效） #

把两个字典合并成一个v1_to_v2字典，一步完成替换，减少中间步骤：

# 合并字典：直接建立v1到v2的映射关系
v1_to_v2 = {v1_val: num_to_v2[num_val] for v1_val, num_val in v1_to_num.items()}

# 直接替换目标列
df[target_col] = df[target_col].map(v1_to_v2)

注意事项 #

• 如果v1s中存在不在v1_to_num里的取值，map()会返回NaN，可以用fillna()保留原数值：

  df[target_col] = df[target_col].map(v1_to_v2).fillna(df[target_col])
  

• 确保目标列的取值类型和字典的键类型完全一致（比如都是字符串或都是整数），否则会出现映射失败的情况。

内容的提问来源于stack exchange，提问作者agozar