Python基于类别为另一列填充对应值的Pandas操作问题

核心逻辑为：先基于已有的分类-数值映射表构造匹配关系，再对应填充到目标表的number列，以下是两种常用实现方案：

方案1：map映射实现（推荐，性能最优） #

适合分类和数值为唯一对应关系的场景，实现代码如下：

import pandas as pd

# 你已有的分类映射表df
df = pd.DataFrame({'category':['apple', 'banana', 'grape', 'cat', 'jelly'],
                   'number':[2,3,25,4,1]})
# 待填充的目标表，这里替换为你自己的目标表变量名
df_target = pd.DataFrame({
    'category': ['apple', 'banana', 'apple', 'grape', 'cat', 'jelly', 'cat', 'grape'],
    'name': ['aliya', 'reeva', 'dev', 'ruby', 'cosmo', 'jack', 'goldy', 'frr']
})

# 1. 构造分类到数值的映射字典
mapping = df.set_index('category')['number'].to_dict()
# 2. 匹配填充number列
df_target['number'] = df_target['category'].map(mapping)

如果仅需要填充目标表原有number列的缺失值，不覆盖已有的有效值，可修改为如下代码：

df_target['number'] = df_target['number'].fillna(df_target['category'].map(mapping))

方案2：merge合并实现 #

适合需要同时合并多个字段的场景，通过左连接保证目标表所有行都保留：

# 取目标表除number外的字段，和映射表左连接匹配数值
df_target = df_target[['category', 'name']].merge(df, on='category', how='left')

内容的提问来源于stack exchange，提问作者chixcy