Pandas DataFrame匹配替换问题：将匹配词替换为另一DataFrame的基准词

核心思路 #

先将df2中所有形容词的原级、比较级、最高级统一映射到对应的基准原级词，再对df1的分词列表逐词匹配替换即可。

具体实现 #

第一步：生成词映射字典 #

方法1：遍历df2行生成（易理解，适合小体量df2）

word_map = {}
for _, row in df_2.iterrows():
    base = row['word']
    word_map[row['word']] = base
    word_map[row['more']] = base
    word_map[row['most']] = base

方法2：melt转换生成（效率更高，适合大体量df2）

melted_df = df_2.melt(id_vars='word', value_vars=['word', 'more', 'most'])
word_map = dict(zip(melted_df['value'], melted_df['word']))

两种方法生成的映射字典结构一致，示例如下：
{'happy':'happy', 'happier':'happy', 'happiest':'happy', 'sad':'sad', 'sadder':'sad', 'saddest':'sad'}

第二步：逐词替换生成新列 #

# 定义替换函数
def transfer_sentence(word_list):
    return [word_map.get(w, w) for w in word_list]

# 应用到sentence列
df_1['new_sentence'] = df_1['sentence'].apply(transfer_sentence)

运行后输出的df_1与你给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者Leonie