Pandas如何高效为字符串父子层级生成数值型parentID列

核心思路 #

利用name与ID的一一对应关系构建哈希映射，通过向量式匹配直接生成父ID列，避免逐行遍历的性能损耗。

实现代码 #

import pandas as pd

# 原始数据集
df = pd.DataFrame({'ID':    [ 0 ,  1 ,  2 ,  3 ], 
                  'name':   ['A', 'B', 'C', 'D'], 
                  'parent': [ '', 'A', 'A', 'B']})

# 1. 构建name到ID的映射字典，单值查找复杂度O(1)
name_to_id = df.set_index('name')['ID'].to_dict()
# 2. 匹配父节点ID，空父节点（根节点）位置填充None
df['parentID'] = df['parent'].map(name_to_id).mask(df['parent'] == '', None)
# 如果需要parentID为可空整数类型（避免浮点数显示），可追加下面这行
df['parentID'] = df['parentID'].astype('Int64')

结果验证 #

执行代码后输出的DataFrame完全符合预期：

ID name parent  parentID
0   0    A            <NA>
1   1    B      A         0
2   2    C      A         0
3   3    D      B         1

注：pandas原生普通整数列不支持空值存储，使用Int64可空整数类型时，根节点空值显示为<NA>，和None语义完全一致；如果不需要严格整数类型，去掉类型转换代码即可，根节点位置会显示为NaN。

方案优势 #

• 运行快：全量使用pandas内置向量操作+哈希匹配，相比逐行apply、手写循环、多表merge的实现，数据量越大性能优势越明显，十万级数据也能毫秒级出结果
• 代码短：核心逻辑仅2行，不用写递归不用写复杂判断，出错概率低
• 适配广：不限制层级深度，只要表内name与ID是唯一对应关系，任意结构的父子层级数据都可以直接套用

内容的提问来源于stack exchange，提问作者WG-