使用Python内置map()结合字典替换Pandas DataFrame中含分号分隔的字段值

• TypeError: 'dict' object is not callable报错根因：Python内置map()的第一个参数要求是可调用对象（比如函数），字典本身不属于可调用类型，不能直接传入。Pandas的Series.map()是框架单独做了适配，支持直接传入字典做值映射，二者实现逻辑完全不同，不要混用。
• 你自定义的swap函数没有写return语句，就算逻辑正确，apply后得到的结果也全是None。
• 你在循环里调用map(notelist, y)时，y是单个编码字符串（比如Note2），内置map会迭代字符串的每个字符传入处理，完全不符合你的需求。

直接改造自定义转换函数，拆分后逐个取值再拼接即可，代码如下：

notelist = {'Note1':'Desc1','Note2':'Desc2','Note3':'Desc3'}

def swap(x):
    # 拆分每个编码，逐个映射后用分号拼接
    return ';'.join([notelist[code] for code in x.split(';')])

df['noteText'] = df['NoteRef'].apply(swap)

如果存在编码不在字典中的场景，可以用get方法避免报错，找不到的编码保留原值：

def swap(x):
    return ';'.join([notelist.get(code, code) for code in x.split(';')])

逐行apply的性能在数据量较大时表现较差，可以用Pandas原生向量化操作实现，性能提升明显：

# 1. 拆分字符串为列表 -> 2. 拆分为单行单个编码 -> 3. 批量映射 -> 4. 按原索引分组拼接
df['noteText'] = df['NoteRef'].str.split(';')\
                              .explode()\
                              .map(notelist)\
                              .groupby(level=0)\
                              .agg(';'.join)

内容的提问来源于stack exchange，提问作者Bigboss01