如何通过字典映射快速更新Pandas DataFrame的stockID列

你原来的代码运行慢是因为用了iterrows()逐行遍历，属于Python级别的循环操作，数据量较大时性能损耗非常高。Pandas内置的向量化操作可以完美替代这种循环场景，以下是最优实现：

直接用Series.map()方法完成字典映射，一行代码即可：

df['stockID'] = df['level_1'].map(stockDict)

如果存在部分level_1的股票代码不在映射字典中的情况，上述代码会把对应行的stockID设为NaN，如果你想保留这些行原来的stockID值（比如示例里的默认值0），可以加一步填充：

df['stockID'] = df['level_1'].map(stockDict).fillna(df['stockID']).astype(int)

这种向量化操作是在C层面执行的，对于2万行左右的数据，执行耗时基本在毫秒级，相比iterrows()的遍历方案性能提升可达数百倍。

内容的提问来源于stack exchange，提问作者Rapid1898