如何根据另一DataFrame的映射条件批量更新当前DataFrame值

不需要逐行编写df.loc赋值语句，通过映射字典+pandas内置的map方法即可批量完成替换，步骤如下：

• 第一步：整理WOE映射表
  存储WOE规则的数据集需至少包含三类信息：特征列名、特征原始取值、取值对应的WOE值。假设该映射表名为woe_rule_df，三列的列名分别为feature_name、bin_value、woe_value。
• 第二步：生成单特征的映射字典
  按特征名分组，把每个特征的「原始取值-WOE值」对应关系转为字典格式，代码如下：

woe_mapping = {}
for feature, group in woe_rule_df.groupby('feature_name'):
    # 生成 原始值:WOE值 的键值对
    woe_mapping[feature] = dict(zip(group['bin_value'], group['woe_value']))

• 第三步：批量替换原始数据集的取值
  遍历所有需要替换WOE的特征列，用map方法完成整列值的匹配替换，遇到映射表中不存在的取值时默认保留原始值，避免出现空值：

for col in woe_mapping.keys():
    # 仅对数据集中存在的列做替换，避免列名不匹配报错
    if col in df.columns:
        df[col] = df[col].map(woe_mapping[col]).fillna(df[col])

如果仅需要替换单个特征的取值，可以直接省略循环步骤，极简写法示例：

# 以loan_type列为例，直接传入对应映射字典即可
loan_type_woe = {1:0.008241, 2:-0.1234, 3:0.2567}
df['loan_type'] = df['loan_type'].map(loan_type_woe)

注意：替换前需保证原始数据集的列值类型和映射表中的取值类型一致（比如原始列是数值型1，映射表不能用字符串'1'作为key），否则会出现匹配失败、替换为空的问题。

内容的提问来源于stack exchange，提问作者Jose Caloca