如何利用嵌套字典替换Pandas DataFrame中的值

我来帮你搞定这个需求！咱们先从示例数据入手，这样能更清晰地展示操作逻辑～

示例数据准备 #

首先定义一个示例DataFrame和对应的嵌套映射字典：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'fruit': ['apple', 'banana', 'orange'],
    'color': ['red', 'yellow', 'orange'],
    'taste': ['sweet', 'sweet', 'sour']  # 这个列不在映射字典里，用来测试兼容情况
})

# 嵌套映射字典：外层键对应DataFrame的列名，内层键值对是要映射的规则
mapping_dict = {
    'fruit': {
        'apple': '甜脆苹果',
        'banana': '软糯香蕉',
        'orange': '酸甜橙子'
    },
    'color': {
        'red': '正红色',
        'yellow': '明黄色',
        'orange': '橙橘色'
    }
}

核心实现方法 #

我们需要让DataFrame的列名和字典的外层键匹配，匹配成功后用内层的键值对替换列中的行数据。最简洁高效的方式是用pandas的apply结合map方法：

# 遍历每一列，根据列名匹配嵌套字典的外层键，完成映射
result_df = df.apply(lambda col: col.map(mapping_dict.get(col.name, {})).fillna(col))

print(result_df)

运行后得到的结果：

代码解释 #

• col.name：获取当前处理的列名，用来匹配嵌套字典的外层键
• mapping_dict.get(col.name, {})：如果列名存在于字典外层键中，就取出对应的内层映射字典；如果不存在，返回空字典（避免报错）
• .fillna(col)：如果列中的某个值不在内层字典的键里，就保留原数值（防止变成NaN）

进阶优化：只处理匹配的列 #

如果你的DataFrame有很多列，只想处理和字典外层键匹配的列，可以先筛选出目标列再操作，这样更高效：

# 筛选出与字典外层键匹配的列
target_cols = [col for col in df.columns if col in mapping_dict]

# 仅对这些列执行映射
df[target_cols] = df[target_cols].apply(lambda col: col.map(mapping_dict[col.name]))

这样就完成了精准的列匹配与数据映射啦～

内容的提问来源于stack exchange，提问作者spr_m