Pandas匹配两DataFrame标签ID 映射活动名称及解析报错解决

报错根因 #

ast.literal_eval仅支持解析符合Python语法的字符串格式输入，传入0、NaN、None这类非字符串异常值时会直接触发ValueError: malformed node or string报错，和你的推测一致。
另外不需要将标签拆分为独立列做合并，拆列会引入列数动态变化、多轮合并效率低的问题，直接构建ID映射逐行转换是更稳定的实现方式。

完整实现代码 #

1. 安全解析tags字段，兼容异常值 #

先编写容错解析函数，跳过所有非合法格式的取值，从根源避免解析报错：

import ast
import pandas as pd
import numpy as np

def safe_parse_tags(tag_input):
    # 直接拦截0、空值、NaN类异常输入，返回空列表
    if pd.isna(tag_input) or tag_input == 0:
        return []
    # 仅对字符串类型输入做格式解析
    if isinstance(tag_input, str):
        try:
            parse_res = ast.literal_eval(tag_input)
            # 解析结果非列表的脏数据统一返回空列表
            return parse_res if isinstance(parse_res, list) else []
        except:
            # 格式错误无法解析的脏数据直接返回空列表
            return []
    return []

# 替换为你实际的tags列名，示例中列名为tags
df1["parsed_tags"] = df1["tags"].apply(safe_parse_tags)

2. 构建标签ID到活动名的映射字典 #

利用字典做映射匹配，效率远高于多轮merge，也不需要处理不定长标签列的问题：

# 先对标签映射表去重，避免同ID多值冲突，再转为ID->活动名的字典
tag2campaign = df2.drop_duplicates(subset=["Tags"]).set_index("Tags")["Campaigns"].to_dict()

注意：如果匹配时出现ID对不上的问题，先统一两边ID的类型，比如执行df2["Tags"] = df2["Tags"].astype(str)把ID统一转成字符串，后续提取DF1标签ID时也转成相同类型即可。

3. 标签匹配与结果拼接 #

逐行将解析后的标签ID替换为对应活动名，最终拼接为逗号分隔的字符串：

def tags_to_campaign_str(tag_list, id_map, miss_placeholder=""):
    # 提取标签ID：如果tags是字典列表，把下面代码里的"id"替换为你实际存储标签ID的字典键（比如tagId、tag_id等）
    # 如果tags是直接存ID的列表，就用tag_ids = [t for t in tag_list]
    tag_ids = [t.get("id") for t in tag_list if isinstance(t, dict)]
    # 匹配活动名，过滤无匹配结果的项
    matched_campaigns = [
        str(id_map.get(tid, miss_placeholder)) 
        for tid in tag_ids 
        if tid in id_map
    ]
    # 拼接为逗号分隔字符串
    return ",".join([c for c in matched_campaigns if c])

# 生成最终结果列
df1["tag_campaigns"] = df1["parsed_tags"].apply(lambda x: tags_to_campaign_str(x, tag2campaign))

方案优势 #

• 全链路加了异常兜底，0、NaN、格式错误的脏数据不会中断任务，会统一处理为空字符串
• 不需要拆分不定长标签为独立列，避免列数动态变化的适配问题，单轮遍历即可完成匹配，性能远高于拆列合并的方案
• 可灵活配置无匹配标签的兜底值，适配不同数据清洗需求

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