如何基于映射表高效批量替换Pandas DataFrame各字段的编码值

首先将df_values转换为按变量分组的映射字典，再批量应用到df的对应列即可，全程不需要手动指定每一列的替换规则，适配任意数量变量的场景：

import pandas as pd

# 第一步：生成全局替换映射表，结构为 {变量名: {原编码: 替换后值}}
replace_mapping = df_values.groupby('Variable')[['Code', 'Value']].apply(
    lambda x: x.set_index('Code')['Value'].to_dict()
).to_dict()

# 第二步：批量替换所有列的值
for col in df.columns:
    # 仅对存在替换规则的列执行替换，无规则的列保留原值
    if col in replace_mapping:
        df[col] = df[col].replace(replace_mapping[col])

如果你后续还需要把df的列名替换为df_labels里的业务含义名称，可以额外加一步：

# 列名替换映射表
col_name_mapping = dict(zip(df_labels['Variable'], df_labels['Label']))
df = df.rename(columns=col_name_mapping)

方案说明 #

• 无需手动维护每一列的替换逻辑，所有规则全部从df_values表自动读取，哪怕有上百个变量也能一次性处理
• 无替换规则的列会保留原始值，不会产生异常修改
• 后续如果需要新增/修改替换规则，只需要调整df_values表即可，无需修改核心逻辑

内容的提问来源于stack exchange，提问作者Dinesh