如何使用参考字典填充pandas DataFrame中Brand_Name列的NaN值

首先确认你的参考映射字典格式为brand_map = {品牌ID字符串: 品牌名称}，按以下步骤操作即可：

1. 定义ID转名称处理函数 #

作用是将单条或逗号分隔的多个品牌ID，转换为对应逗号分隔的品牌名称：

def brand_id_to_name(brand_ids):
    # 按逗号拆分ID，逐个匹配字典，strip()用于处理ID前后可能存在的空格
    name_list = [brand_map.get(_id.strip(), _id.strip()) for _id in brand_ids.split(',')]
    return ','.join(name_list)

若需要对匹配不到的ID统一显示指定值，可将上述代码的第二个_id.strip()替换为自定义值，比如'未知品牌'

2. 仅填充Brand_Name为空的行 #

该操作不会覆盖原有已存在的品牌名称：

import pandas as pd

dfp.loc[dfp['Brand_Name'].isna(), 'Brand_Name'] = dfp.loc[
    dfp['Brand_Name'].isna(), 
    'Brand_ID'
].apply(brand_id_to_name)

效果示例 #

处理前dfp样例：

处理后dfp样例：

内容的提问来源于stack exchange，提问作者AmanArora