如何用另一DataFrame或字典替换pandas表内的城市经纬度列值

针对200万行、仅500个唯一城市的场景，以下两种方法都可以高效完成批量更新，优先推荐字典映射方案：

方法1：字典映射（性能最优） #

利用唯一城市数量少的特点，提前构造城市到经纬度的映射字典，再通过pandas的map方法批量替换，全程无额外表关联开销，200万行数据可在秒级完成更新。
代码示例：

# 构造经纬度映射字典，df_ref为存储准确经纬度的参考表
lat_mapping = df_ref.set_index("City")["Lat"].to_dict()
lon_mapping = df_ref.set_index("City")["Long"].to_dict()

# 批量替换主表df_raw的经纬度字段
df_raw["Lat"] = df_raw["City"].map(lat_mapping)
df_raw["Long"] = df_raw["City"].map(lon_mapping)

方法2：表关联更新 #

如果不想单独构造字典，也可以通过左关联的方式直接替换经纬度字段：
代码示例：

# 先删除主表中错误的经纬度列，再和参考表按城市关联
df_raw = df_raw.drop(columns=["Lat", "Long"]).merge(df_ref, on="City", how="left")

注意事项 #

• 如果主表中存在参考表里没有的城市，对应经纬度会返回NaN，可根据业务需求后续单独处理这部分缺失值
• 两种方案均不需要对200万行数据做逐行遍历，性能远高于循环赋值操作

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