Pandas DataFrame 基于嵌套字典批量重映射数值为对应标签的实现方法

之前映射不生效的核心原因 #

• 代码结构错误：当前给出的赋值逻辑里，mydict被直接绑定成了嵌套列表，根本不是合法的字典结构，没法直接当映射规则用
• 键名笔误：规则条目的键写的是z2aq-c79，但DataFrame里对应的实际列名是32aq-c79，差一个字符就会导致整列完全匹配失效
• 类型不对齐：规则里的value字段都是字符串格式，比如'1'、'0'，但DataFrame列里存的是整数类型的1、0。字典匹配时字符串和整数是两个完全独立的键，就算结构没问题，也会出来一堆匹配空值的结果

可直接落地的高效实现步骤 #

1. 提前批量预处理映射规则 #

把零散的嵌套规则统一转成Pandas能直接用的映射结构，提前把类型对齐、无效列过滤的工作做完，不要在逐列循环里反复解析规则拖慢速度，几百列的规模下，预处理一次就能省掉绝大部分重复开销：

import pandas as pd

# 修正后的原始规则源（把之前的笔误、结构问题先捋顺）
raw_rules = [
    ['ebe5eb3c', [{'value': '1', 'response': 'None'}, {'value': '2', 'response': 'Several days'}, {'value': '4', 'response': 'Nearly every day'},{'value': '-7', 'response': 'Every day'},{'value': '-1', 'response': 'Do not know'}]],
    ['d9cd9ja6', [{'value': '1', 'response': 'Yes'}, {'value': '0', 'response': 'No', 'please go to question': '7'}]],
    ['32aq-c79', [{'value': '1', 'response': 'True'},{'value': '2', 'response': 'False'}]],
    ['e2c-8b7e', [{'value': '1', 'response': '5-10 years'}, {'value': '2', 'response': '10-15 years'},{'value': '3', 'response': '15-20 years'},{'value': '4', 'response': '20-25 years'}]]
]

# 生成类型完全对齐的批量映射字典
col_mapping = {}
for col_name, rule_list in raw_rules:
    # 自动跳过DataFrame里不存在的列，避免运行时抛KeyError
    if col_name not in data.columns:
        continue
    # 把规则里的字符串格式value，转成和DataFrame列一致的整数类型，从根源解决匹配不上的问题
    # 如果业务里的原始值是浮点数格式，只要把int替换为float即可，不需要改动其他流程
    single_col_map = {int(rule['value']): rule['response'] for rule in rule_list}
    col_mapping[col_name] = single_col_map

2. 批量执行全列重映射 #

直接调用Pandas内置的replace方法，把生成好的映射字典当参数传进去就行。这个方法底层是C层实现的向量化逻辑，哪怕列规模到数百、数据量到几十万行也能快速跑完，比之前逐列循环调用.map的效率高一个数量级：

# 没有匹配到规则的原值会原样保留，不会被替换成NaN
mapped_result = data.replace(col_mapping)

适配性说明 #

• 不需要逐列单独写映射逻辑，后续新增的列只要把对应的规则追加到raw_rules列表里，就能自动适配，完全不用改主流程代码
• 自动处理键名校验、类型转换，不用手动逐列排查笔误
• 匹配行为完全适配问卷类数据的需求：未在规则里定义的作答值会原样保留，不会因为个别异常值导致整列映射失效

实际跑出来的效果示例：ebe5eb3c列的-1值会正确匹配为Do not know，32aq-c79列的1、2值会分别匹配为True、False，没有匹配规则的3值会原样保留为3，完全符合预期。

内容的提问来源于stack exchange，提问作者b101