You need to enable JavaScript to run this app. 如何基于列名关联两个pandas DataFrame实现价格字段映射
优惠活动
大模型
产品
解决方案
定价
更多

如何基于列名关联两个pandas DataFrame实现价格字段映射

高效实现方案

核心思路是通过定价类型值到价格列名的映射关系做向量化匹配,不需要做复杂的表关联,计算效率远高于逐行遍历或行级merge。

前置数据规整

原始数据存在两处会导致匹配失败的脏值,需要先做统一处理:

  • df1的pricing_type字段存在大小写不一致问题(小写p和大写P无法匹配)
  • df2的列名存在空格分隔的不规范命名(external price无法直接和其他列名统一管理)

完整可运行代码

import pandas as pd

# 构造原始数据
df1 = pd.DataFrame({
    "Product": ["prod1", "prod2", "prod3"],
    "pricing_type": ["I", "p", "E"]
})
df2 = pd.DataFrame({
    "id": [1],
    "internal_price": [0.7],
    "external price": [0.89],
    "pilot_price": [0.3]
})

# 1. 规整df1的定价类型:统一转为大写
df1["pricing_type"] = df1["pricing_type"].str.upper()

# 2. 规整df2的列名:将空格替换为下划线,统一命名规范
df2.columns = df2.columns.str.replace(" ", "_")

# 3. 构建定价类型到价格列名的映射规则
type_mapping = {
    "I": "internal_price",
    "P": "pilot_price",
    "E": "external_price"
}

# 4. 提取df2的单行价格键值对(df2仅1行数据,直接转换为字典即可)
price_dict = df2.iloc[0].to_dict()

# 5. 向量化匹配生成最终df3
df3 = df1.copy()
df3["price"] = df3["pricing_type"].map(type_mapping).map(price_dict)

实现效果

运行后得到的df3完全匹配预期输出:

Product pricing_type  price
0   prod1            I    0.7
1   prod2            P    0.3
2   prod3            E    0.89

方案优势

  • 全程为pandas向量化操作,无Python层循环,百万级数据下性能优势显著
  • 映射规则独立为字典,后续新增定价类型仅需修改字典内容,无需调整核心逻辑
  • 内置脏值兼容处理,可直接适配原始数据的格式不规范问题

内容的提问来源于stack exchange,提问作者Dcook

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.03 15:15:10