Pandas中如何基于映射表批量替换DataFrame多列对应值

你遇到的是多列联合作为唯一键的映射替换场景，单列replace只支持单键单值/多值映射，没法直接处理三列组合匹配的需求，下面两种方法都能实现预期效果，优先选第一种： #

方法1：merge左连接（推荐，性能好、逻辑稳定） #

核心思路是把df2和映射参照表df1按照三个_a后缀的列做左连接，直接拉取匹配到的_b后缀列的值，再重命名为原列名即可，不会出现逐行遍历的性能问题，数据量大的时候优势很明显。

import pandas as pd

# 构造示例数据（实际使用时跳过这步，直接读取自己的df1、df2即可）
df1 = pd.DataFrame({
    'id1_a': ['a1', 'aa1', 'ac1'],
    'id2_a': ['a2', 'a2', 'c2'],
    'id3_a': ['a3', 'a3', 'a3'],
    'id1_b': ['b1', 'b12', 'bc2'],
    'id2_b': ['b2', 'b22', 'bc2'],
    'id3_b': ['b3', 'b23', 'bc3']
})

df2 = pd.DataFrame({
    'id1_a': ['a1', 'a1', 'aa1', 'ac1'],
    'id2_a': ['a2', 'a2', 'a2', 'c2'],
    'id3_a': ['a3', 'a3', 'a3', 'a3']
})

# 执行匹配替换
result = df2.merge(
    right=df1,
    on=['id1_a', 'id2_a', 'id3_a'],  # 指定三列为联合匹配键
    how='left'  # 保留df2全部行，匹配不到的位置会自动填充空值
)[['id1_b', 'id2_b', 'id3_b']].rename(columns={
    'id1_b': 'id1_a',
    'id2_b': 'id2_a',
    'id3_b': 'id3_a'
})

运行后得到的result和你给出的预期结果完全一致。后续如果要增减匹配列、映射列，只要修改on参数和最后选取的列名即可，维护成本很低。 #

方法2：元组键字典映射（适合小体量数据） #

如果你想沿用单值映射的字典思路，可以把三列的行值拼成元组作为字典键，对应的映射结果也拼成元组作为值，再逐行匹配替换：

# 构建联合键映射字典
mapping = dict(zip(
    zip(df1['id1_a'], df1['id2_a'], df1['id3_a']),
    zip(df1['id1_b'], df1['id2_b'], df1['id3_b'])
))

# 逐行替换
df2[['id1_a', 'id2_a', 'id3_a']] = df2.apply(
    lambda row: mapping.get((row['id1_a'], row['id2_a'], row['id3_a']), (None, None, None)),
    axis=1,
    result_type='expand'
)

这个方法在数据量超过10万行的时候，apply逐行遍历的速度会明显比merge慢，只建议小数据集场景用。

注意：使用前先确认df1中三个匹配列的组合是唯一的，如果存在重复的三列值组合，merge会返回多行匹配结果，导致最终结果行数超过df2原行数。

内容的提问来源于stack exchange，提问作者gh1222