如何在Power Query中使用Python批量替换指定列的取值

你的核心思路（用统一的映射关系批量匹配修改分类）是完全合理的，但无需强行套用Python循环逻辑，Power Query原生支持更稳定、高效的实现方案，也可以按需嵌入Python脚本，具体方案如下：

最优原生方案（无Python依赖） #

这个方案比嵌套if/else、批量替换文本易维护，后续新增映射规则只需修改映射表即可，无需调整主查询逻辑：

• 第一步：单独新建一个分类映射表查询，仅保留两列：待匹配description、目标categories，录入所有需要调整的对应关系
• 第二步：回到主查询，点击「合并查询」，关联键选择主查询的description列和分类映射表的待匹配description列，关联类型选择「左外部联接（保留主表的所有行）」
• 第三步：合并后展开映射表的目标categories列，新增自定义列，逻辑为 if [目标categories] <> null then [目标categories] else [categories]，最后删除原categories列和中间列，将新自定义列重命名为categories即可

嵌入Python脚本的实现方法 #

如果确实需要用Python实现，Power Query支持直接运行Python脚本，无需手动写遍历逻辑，用pandas向量化操作即可：

• 先完成Python环境配置：在Power BI选项中确认Python主路径为你本地可用的Python环境，提前安装好pandas库
• 主查询的「转换」选项卡中选择「运行Python脚本」，输入参考代码：

import pandas as pd
# 映射关系可以硬编码在这里，也可以读外部CSV/Excel生成
desc_cat_map = {
    "消费类描述1": "日常消费",
    "办公类描述2": "办公支出"
}
# dataset为Power Query自动传入的当前主表数据
df = dataset
# 匹配替换，未匹配到的保留原分类值
df["categories"] = df["description"].map(desc_cat_map).fillna(df["categories"])

• 运行后选择输出的df表完成展开即可

思路调整建议 #

• 不管是用M还是Python，都优先用向量化匹配操作，不要写逐行循环逻辑，性能差距可达几十上百倍
• 优先选择原生合并查询方案，无环境依赖，刷新不会出现兼容性问题，适合常规映射场景
• 仅当映射逻辑非常复杂（比如模糊语义匹配、复杂正则判断等M语言很难实现的场景），再考虑嵌入Python脚本

内容的提问来源于stack exchange，提问作者John H