如何将一个DataFrame列的值替换为另一个DataFrame的对应值

嗨，这个需求用Pandas很容易实现，核心就是基于STRESC和CATEGORY的组合匹配，把TERMS表的P_TERM映射到FINDINGS表里。我给你两种实用的方法，你可以根据自己的场景选择：

这种方法适合数据量较大的场景，先把TERMS表转换成一个复合键的映射字典，再快速匹配替换：

import pandas as pd

# 假设你已经读取好了两个DataFrame：terms_df（对应TERMS表）、findings_df（对应FINDINGS表）

# 构建(STRESC, CATEGORY) -> P_TERM的映射字典
term_map = terms_df.set_index(['STRESC', 'CATEGORY'])['P_TERM'].to_dict()

# 给FINDINGS表添加新的P_TERM列，或者直接替换STRESC列
# 示例1：添加P_TERM列，匹配不到则保留原STRESC值
findings_df['P_TERM'] = findings_df.apply(
    lambda row: term_map.get((row['STRESC'], row['CATEGORY']), row['STRESC']),
    axis=1
)

# 示例2：直接替换STRESC列的值
# findings_df['STRESC'] = findings_df.apply(
#     lambda row: term_map.get((row['STRESC'], row['CATEGORY']), row['STRESC']),
#     axis=1
# )

说明： #

• set_index把STRESC和CATEGORY设为复合索引，转成字典后可以直接通过(STRESC值, CATEGORY值)快速查找对应的P_TERM
• apply逐行处理，get方法的第二个参数是默认值，确保匹配不到的情况下保留原数据，避免出现缺失值

如果是新手，用Pandas的merge左连接会更直观，步骤清晰：

# 左连接两个表，基于STRESC和CATEGORY匹配
merged_df = pd.merge(
    findings_df,
    terms_df,
    on=['STRESC', 'CATEGORY'],
    how='left'
)

# 替换STRESC列：如果匹配到P_TERM就用它，否则保留原STRESC值
merged_df['STRESC'] = merged_df['P_TERM'].fillna(merged_df['STRESC'])

# 不需要P_TERM列的话可以删掉
merged_df = merged_df.drop(columns=['P_TERM'])

说明： #

• how='left'保证FINDINGS表的所有行都被保留，即使没有匹配到TERMS表的记录
• fillna用来处理匹配不到的情况，保留原STRESC的值
• 如果TERMS表中存在同一(STRESC, CATEGORY)对应多个P_TERM的情况，合并后会生成重复行，需要先对TERMS表去重：terms_df = terms_df.drop_duplicates(subset=['STRESC', 'CATEGORY'])

• 确保两个表的STRESC和CATEGORY列数据类型一致，且没有多余空格（比如字符串前后的空格），否则会匹配失败。可以先做清洗：

  # 清洗列的空格
  for col in ['STRESC', 'CATEGORY']:
      terms_df[col] = terms_df[col].str.strip()
      findings_df[col] = findings_df[col].str.strip()
  

内容的提问来源于stack exchange，提问作者summersmd