如何根据随机numpy数组替换DataFrame列中匹配原数组的值

已知条件 #

现有两个等长的int64类型NumPy数组：

• 匹配源数组arraya：存储所有需要被替换的整数值

arraya= array([550045586,   4926233,  29153854, ..., 550008337,  29387809,
          516004], dtype=int64)

• 映射目标数组arrayrandom：和arraya索引一一对应，存储对应位置的替换值

arrayrandom = array([11000911017,    98523957,   583076377, ..., 11000166037,
         587755477,    10319377], dtype=int64)

替换规则 #

对DataFrame的df['Example']列执行替换：

• 若行值存在于arraya中，替换为arrayrandom对应索引位置的取值
• 若行值不存在于arraya中，保留原始值

替换示例：原值550045586、550008337在arraya中，替换后分别为11000911017、11000166037；原值111不在arraya中，替换后保持111不变。

实现代码 #

直接构建值映射关系后调用replace方法即可，该方法会自动保留无匹配项的原值，不需要额外写分支判断：

# 构建「待替换值:目标替换值」的映射字典
value_mapper = dict(zip(arraya, arrayrandom))

# 对指定列执行替换
df['Example'] = df['Example'].replace(value_mapper)

注意事项 #

• 如果arraya中存在重复值，上述代码默认取重复值最后一次出现对应的arrayrandom值作为映射结果，若需要取首次出现的映射值，可以提前对两个数组做对齐去重处理
• 该实现为pandas原生向量化操作，相比逐行循环判断的写法性能提升1~2个数量级，适配百万级以上行数的DataFrame场景

内容的提问来源于stack exchange，提问作者PV8