如何使用嵌套字典映射替换Pandas DataFrame指定列的值

首先需要预处理嵌套映射字典，把ColA中以元组形式定义的多对一映射展开为单个键值对，再调用pandas的map方法完成列值替换，完整实现代码如下：

import pandas as pd
import numpy as np

# 原有数据定义
dict_map = {
        'ColA' : {('A','Distinct (Highest)','B','C'):'Pass'},
        'ColB' : {'Great': 'A', 'Avg': 'Average', 'F (Absent)': 'Fail'}
    }
cols_to_map = ['ColA','ColB']
new_cols = ['ColA-new','ColB-new']
df = pd.DataFrame(
    {
            'ID': ['AB01', 'AB02', 'AB03', 'AB04', 'AB05','AB06'],
            'ColA': ["A","B","A",np.nan,
                     "C",np.nan],
            'ColB': ['Great', 'Avg', np.nan, np.nan, 'F (Absent)', np.nan]
    })

# 第一步：预处理映射字典，展开元组类型的键
processed_mapping = {}
for col, mapping_rule in dict_map.items():
    expanded_rule = {}
    for key, val in mapping_rule.items():
        # 键为元组时拆分每个元素作为独立键，映射到同一个值
        if isinstance(key, tuple):
            for single_key in key:
                expanded_rule[single_key] = val
        else:
            expanded_rule[key] = val
    processed_mapping[col] = expanded_rule

# 第二步：批量生成映射后的新列
for old_col, new_col in zip(cols_to_map, new_cols):
    df[new_col] = df[old_col].map(processed_mapping[old_col])

# 输出结果查看
print(df)

输出结果示例 #

所有原有列会完整保留，新增的两个映射列自动追加到DataFrame末尾，未匹配到映射规则的空值（NaN）会保持不变。

内容的提问来源于stack exchange，提问作者Fazli