如何基于DataFrame的ColA值选择不同字典映射ColB列？

刚好碰到过类似的需求，针对你这个按ColA的值选择不同字典映射ColB的场景，我推荐两种高效的实现方式，其中第一种是性能最优的：

方法1：布尔索引 + 向量化map操作（首选） #

这种方法利用Pandas的向量化特性，避免逐行循环，处理大数据集时速度优势非常明显：

import pandas as pd
import numpy as np

# 构造你的原始DataFrame
df = pd.DataFrame({
    'ColA': [1, 2, 2, 1, 1, 2],
    'ColB': [1, 3, 2, 2, 3, 1]
})

d1 = {1:'a', 2:'b', 3:'c'}
d2 = {1:'d', 2:'e', 3:'f'}

# 核心操作：用np.where做条件判断，分别映射
df['ColB'] = np.where(df['ColA'] == 1, df['ColB'].map(d1), df['ColB'].map(d2))

原理说明 #

• np.where(condition, x, y)会遍历每一行，当满足df['ColA'] == 1时，使用df['ColB'].map(d1)的结果，否则使用df['ColB'].map(d2)的结果
• map是Pandas的向量化方法，比逐行处理效率高得多

方法2：apply逐行处理（直观但性能稍弱） #

如果你的数据集很小，追求代码直观性，可以用apply逐行判断，但大数据集下不推荐：

df['ColB'] = df.apply(
    lambda row: d1[row['ColB']] if row['ColA'] == 1 else d2[row['ColB']],
    axis=1
)

最终结果 #

两种方法都会得到你想要的输出：

ColA ColB
0     1    a
1     2    f
2     2    e
3     1    b
4     1    c
5     2    d

内容的提问来源于stack exchange，提问作者OD1995