在Pandas中如何将一个Series的值映射到另一个Series的索引（向量化实现）

嘿，这个需求其实用Pandas自带的向量化方法就能轻松搞定，根本不用写循环！核心思路是先构建一个值到索引的反向映射，然后用Series.map()完成批量转换——这完全是向量化操作，效率超高。

具体实现代码 #

直接看完整示例：

import pandas as pd

s1 = pd.Series(list('ABCDE'), index=range(1, 6))
s2 = pd.Series(list('BDAACE'))
expected_result = pd.Series([2, 4, 1, 1, 3, 5])

# 第一步：构建「s1的值 → s1的索引」的映射Series
value_to_index = pd.Series(s1.index, index=s1.values)

# 第二步：用map完成向量化转换
result = s2.map(value_to_index)

# 验证结果是否符合预期
assert result.equals(expected_result)

为什么这是向量化的？ #

map()方法在Pandas内部是基于C实现的向量化操作，不会像Python循环那样逐个处理元素，数据量越大，效率优势越明显。

更简洁的写法 #

如果想少写一行，也可以把映射构建和转换合并成一行：

result = s2.map(pd.Series(s1.index, index=s1.values))

补充：用replace也能实现 #

除了map，Series.replace()同样支持这种映射转换，效果完全一致：

result = s2.replace(value_to_index)

注意事项 #

如果s1里存在重复的取值，这个方法会保留最后一次出现的索引（因为Series的索引不允许重复，后面的会覆盖前面的）。如果你的场景需要处理重复值，可以提前对s1做去重处理（比如s1.drop_duplicates(keep='first')）。

内容的提问来源于stack exchange，提问作者Sebastian Yonekura Baeza