Python中如何基于字典通过循环替换Pandas DataFrame的占位符数值

1. 构造总映射字典 #

把你现有的9套映射统一整理为嵌套字典结构，一级key为(颜色, 区域)的元组，对应每一组Color+Zone的组合；二级key为参数列名（Param_1/Param_2/Param_3），值为「占位符:真实值」的映射字典，示例构造如下：

mapping_dict = {
    ("Blue", "A"): {
        "Param_1": {0: 1.2, 1: 3.4, 2: 5.6, 3: 7.8}, # 替换为你实际的真实值
        "Param_2": {0: 2.3, 1: 4.5, 2: 6.7, 3: 8.9},
        "Param_3": {0: 3.4, 1: 5.6, 2: 7.8, 3: 9.0}
    },
    ("Blue", "B"): {
        # 填入Blue/B对应的参数映射
    },
    # 依次补全剩余7组Color+Zone的映射
    ("Green", "C"): {
        "Param_1": {0: 11.2, 1: 13.4, 2: 15.6, 3: 17.8},
        "Param_2": {0: 12.3, 1: 14.5, 2: 16.7, 3: 18.9},
        "Param_3": {0: 13.4, 1: 15.6, 2: 17.8, 3: 19.0}
    }
}

如果你的映射当前是表格形式的DataFrame（索引为参数名、列名为占位符0/1/2/3），可以直接用df.to_dict("index")一键转为上述格式的字典，无需手动录入。

2. 批量替换参数值 #

通过groupby按Color和Zone分组，对每组数据应用对应映射替换即可，完整代码如下：

import pandas as pd

# 读取原始CSV数据
df = pd.read_csv("你的原始数据文件路径.csv")
# 提取所有参数列的列名
param_cols = [col for col in df.columns if col.startswith("Param_")]

# 定义分组替换函数
def replace_group_params(group):
    current_key = (group["Color"].iloc[0], group["Zone"].iloc[0])
    current_mapping = mapping_dict[current_key]
    for col in param_cols:
        group[col] = group[col].map(current_mapping[col])
    return group

# 应用替换得到结果
df_replaced = df.groupby(["Color", "Zone"], group_keys=False).apply(replace_group_params)

注意事项 #

• 确保所有占位符取值都存在于对应映射中，否则替换后对应位置会返回NaN
• 如果存在未定义的占位符需要保留原值，可以把map方法替换为replace方法，即group[col] = group[col].replace(current_mapping[col])

内容的提问来源于stack exchange，提问作者LostinSpatialAnalysis