Pandas如何基于规则字典批量替换DataFrame列的拼写相似/错误值

你需要的是包含关键词即替换的模糊匹配逻辑，而非默认的精确等值匹配，以下两种方案可直接复用：

方案1：正则批量替换（推荐，执行效率高） #

利用pandas replace 方法的正则匹配能力，一次完成全列批量替换，适合数据量较大的场景：

# 构造包含匹配的正则规则：关键词前后可接任意字符
regex_rename_map = {f".*{key}.*": value for key, value in rename_product.items()}

# 执行正则替换，结果写回原列
df["Product"] = df["Product"].replace(regex_rename_map, regex=True)

注意：匹配优先级和字典键的顺序一致，如果单条数据可能同时命中多个关键词（比如同时包含Apple和Kiwi），请把优先级更高的匹配键放在字典靠前位置；如果关键词存在包含关系（比如同时有Apple和Apple Juice两个匹配规则），请把更长、更精确的键放在前面，避免被短规则提前匹配。

方案2：自定义函数匹配（适配性强，方便扩展规则） #

如果需要处理大小写混乱、特殊字符干扰等复杂场景，可以写简单的判断函数逐行匹配，后续加特殊规则也更方便：

def format_product_name(origin_name):
    # 先清除前后多余空格，排除空格干扰
    clean_name = origin_name.strip()
    for keyword, target_name in rename_product.items():
        # 统一转小写判断，避免大小写不统一导致匹配失败（比如KIWI、apricot、APPLE这类写法都能命中）
        if keyword.lower() in clean_name.lower():
            return target_name
    # 未命中任何规则的条目保留原值，也可根据需求设置默认值如"其他品类"
    return origin_name

df["Product"] = df["Product"].apply(format_product_name)

结果校验 #

替换完成后可以执行以下命令检查结果，确认是否存在漏匹配的特殊值，补到rename_product字典中重新执行即可：

print(df["Product"].sort_values().unique())

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