如何在pandas DataFrame中映射/替换单列每行的多个分隔值

问题根因 #

直接使用Series.map()进行映射时，会把col1列的整行内容作为匹配key去查询字典，类似"1,2,3"的逗号拼接多值字符串不在映射字典的key列表中，因此返回空值。

实现方案 #

核心逻辑是先按逗号拆分每个单元格的内容，对拆分后的每个单值单独做映射，再把映射后的结果拼接回字符串。

方法1：apply自定义逻辑（易理解，适合中小数据量） #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'col1': ['1', '1,2,3', '2', '2,3,4', '3,4', '4', '1,3,4', '3']
})
vals_to_replace = {'1':'A', '2':'B', '3':'C' , '4':'D'}

def multi_value_map(s):
    # 按逗号拆分单元格内容
    value_list = s.split(',')
    # 逐个值映射后再拼接
    mapped_list = [vals_to_replace[val] for val in value_list]
    return ','.join(mapped_list)

# 生成映射后的result列
df['result'] = df['col1'].apply(multi_value_map)

最终输出的结果如下：

边界兼容优化 #

如果col1中可能存在不在映射字典里的值，可以加兜底逻辑避免报错：

def multi_value_map_safe(s):
    value_list = s.split(',')
    # 找不到映射的原值保留
    mapped_list = [vals_to_replace.get(val, val) for val in value_list]
    return ','.join(mapped_list)

方法2：向量化操作（适合百万行以上大数据量） #

如果数据量极大，可使用拆分-爆炸-映射-聚合的逻辑避免apply循环：

df['result'] = (
    df['col1'].str.split(',')
    .explode()
    .map(vals_to_replace)
    .groupby(level=0)
    .agg(','.join)
)

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