如何将元组列表索引重映射为DataFrame实际值并生成新DataFrame

你只需要提前准备好索引到实际条目值的映射关系，再通过映射替换两列的索引即可，具体实现如下：

前置准备：构造索引映射 #

首先整理索引和实际条目的对应关系，存为字典格式，示例：

# 格式为 {索引: 实际条目值}，替换为你自己的对应关系即可
idx_map = {
    24578: "Apple",
    23611: "Ape",
    27543: "Banana",
    27524: "Orange",
    27458: "Ostrich"
}

• 如果你的所有条目按索引顺序存在列表item_list里，可以一行代码快速生成映射字典，不用手动录入：idx_map = dict(enumerate(item_list))
• 如果条目存在Pandas Series里、且Series的索引就是你用的数字索引，可以直接把这个Series传给后续的映射方法，不用额外转字典

具体实现方法 #

方法1：map方法替换（推荐，性能最优） #

先生成基础DataFrame，再对两列索引分别做映射替换，代码简洁且适配大数据量场景：

import pandas as pd

# 原始匹配结果
results = [(24578, 23611, 0.875), (27543, 23611, 0.875), (27524, 27458, 1.0)]

# 生成基础DataFrame
df = pd.DataFrame(results, columns=['First Item', 'Second Item', 'Score'])

# 替换索引为实际条目
df['First Item'] = df['First Item'].map(idx_map)
df['Second Item'] = df['Second Item'].map(idx_map)

最终输出的DataFrame效果：

注意：如果存在索引不在映射关系里的情况，map处理后对应位置会返回空值NaN，建议提前校验所有出现在results里的索引是否都有对应条目。

方法2：构造DataFrame时直接转换（适合小数据量场景） #

不想生成带索引的中间DataFrame的话，可以直接用列表推导式处理原始元组列表，在构造阶段就完成值替换：

df = pd.DataFrame(
    [
        (idx_map[f_idx], idx_map[s_idx], score)
        for f_idx, s_idx, score in results
    ],
    columns=['First Item', 'Second Item', 'Score']
)

输出结果和方法1完全一致。

内容的提问来源于stack exchange，提问作者Neo