Pandas如何基于多列实现数据映射（不使用merge方法）

错误原因 #

你写的代码报错是因为：

• map方法仅适用于Pandas Series，直接对DataFrame调用会触发索引匹配错误
• 多索引（MultiIndex）的Series需要接收元组形式的索引键，而不是DataFrame的多列组合

正确实现方式 #

步骤1：生成多索引映射Series

先对key_df去重并设置多索引，提取出location的映射关系：

import pandas as pd

data_df = pd.DataFrame({'p_id': ['abc@gmail.com','abc@gmail.com','abc@gmail.com','ace@gmail.com','ace@gmail.com','pqr@gmail.com','pqr@gmail.com'],
             'company': ['a','b','c','d','e','f','g'],
             'dept_access':['a1','a1','a1','a1','a2','a2','a2']})

key_df = pd.DataFrame({'p_id': ['abc@gmail.com','xyz@gmail.com','pqr@gmail.com'],
             'company': ['a','c','b'],
             'location':['UK','USA','KOREA']})

# 生成去重后的多索引映射Series
loc_map = key_df.drop_duplicates(['p_id', 'company']).set_index(['p_id', 'company'])['location']

步骤2：将data_df的匹配列转为元组后映射

有两种高效的实现方式：

方式一：使用apply生成元组

data_df['location'] = data_df.apply(lambda row: (row['p_id'], row['company']), axis=1).map(loc_map)

方式二：使用zip生成元组（性能更优）

data_df['location'] = pd.Series(list(zip(data_df['p_id'], data_df['company']))).map(loc_map)

最终结果 #

运行后data_df的内容：

p_id company dept_access location
0  abc@gmail.com       a          a1       UK
1  abc@gmail.com       b          a1      NaN
2  abc@gmail.com       c          a1      NaN
3  ace@gmail.com       d          a1      NaN
4  ace@gmail.com       e          a2      NaN
5  pqr@gmail.com       f          a2      NaN
6  pqr@gmail.com       g          a2      NaN

原理说明 #

loc_map的索引是(p_id, company)的元组组合，我们将data_df每一行的p_id和company打包成相同结构的元组后，map方法就能精准匹配到对应的location值，无匹配项则返回NaN。

内容的提问来源于stack exchange，提问作者The Great