Pandas根据字典匹配列更新值 无匹配项时保留原有列值

直接用map搭配fillna即可实现需求，代码如下：

df['Pack_Size'] = df['Product_ID'].map(pack_size_dict).fillna(df['Pack_Size'])

实现逻辑：

• df['Product_ID'].map(pack_size_dict) 会优先匹配字典中存在的Product_ID，返回对应的Pack_Size值，匹配不到的条目统一返回NaN
• 后续的fillna(df['Pack_Size'])会把所有NaN位置，用当前行原有的Pack_Size值填充，不会改动未匹配条目的原有内容

可选写法 #

如果更倾向于「仅对匹配到的条目做赋值」的显式逻辑，也可以用mask方法实现：

# 仅当Product_ID存在于字典键中时，才替换Pack_Size为字典对应值
df['Pack_Size'] = df['Pack_Size'].mask(
    df['Product_ID'].isin(pack_size_dict.keys()),
    df['Product_ID'].map(pack_size_dict)
)

注意事项 #

你当前定义的pack_size_dict键全部为字符串类型，如果DataFrame中Product_ID列存储的是整数/数值类型，会出现全部匹配失败的问题，使用前需要先统一数据类型，二选一即可：

• 把列转为字符串类型：df['Product_ID'] = df['Product_ID'].astype(str)
• 把字典键转为整数类型：pack_size_dict = {int(k):v for k,v in pack_size_dict.items()}

内容的提问来源于stack exchange，提问作者AmanArora