Python Dataframe如何基于结构特殊的关联表将ID替换为对应名称

方案1：先重构DataFrame2（推荐） #

该方案将结构特殊的DataFrame2转换为通用的ID-名称映射字典，一次处理可复用，逻辑清晰且执行效率高，适合数据量较大、后续还有其他属性读取需求的场景。

import pandas as pd
import numpy as np

# 1. 提取所有名称列，生成ID-名称映射表
name_columns = [col for col in df2.columns if col.endswith('.name')]
id_name_map = {}
for col in name_columns:
    # 拆分列名提取物品ID
    item_id = int(col.split('.')[0])
    # 取该列第一个非空值作为物品名称，有多行值的话按需调整取值逻辑
    item_name = df2[col].dropna().iloc[0]
    id_name_map[item_id] = item_name

# 2. 批量替换DataFrame1中item0~item5列的ID为名称
target_cols = [f'item{i}' for i in range(6)]
df1[target_cols] = df1[target_cols].replace(id_name_map)

方案2：不重构DataFrame2，直接动态映射 #

如果不需要复用映射关系、数据量较小，可直接通过调用函数的方式动态匹配取值，无需改动DataFrame2的原有结构。

target_cols = [f'item{i}' for i in range(6)]

def convert_id_to_name(item_id):
    target_col = f'{item_id}.name'
    if target_col in df2.columns:
        return df2[target_col].dropna().iloc[0]
    # 匹配不到时返回原ID，也可修改为自定义默认值
    return item_id

df1[target_cols] = df1[target_cols].applymap(convert_id_to_name)

注意事项 #

• 若DataFrame2的<itemid>.name列存在多组有效值，可根据业务需求调整取值逻辑，例如取出现频次最高的值、指定行取值等
• 匹配不到对应名称的物品ID会默认保留原值，也可修改返回逻辑设置为np.nan、未知物品等自定义占位值

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