如何在Pandas中匹配列表内所有元素的对应信息？

这确实是处理多值分隔字段时很常见的需求，我来分享两种实用的解决方法，都能完美实现你想要的效果：

方法一：拆分-匹配-合并（适合大数据量） #

这种方法通过将多值字段拆分成单行，匹配完成后再合并，效率更高，适合处理较大的数据集：

首先准备你的原始数据：

import pandas as pd

df = pd.DataFrame({'ID':['1','2'],'Fruit':['apple|banana','banana|watermelon']})
price = pd.DataFrame({'Fruit':['apple','banana','watermelon','pear'], 'price':['1.49','0.59','5.99','1.99']})

步骤1：拆分多值字段并展开 #

把df中的Fruit列按|拆分，然后将每个水果单独成一行，同时保留对应的ID：

df_expanded = df.assign(Fruit=df['Fruit'].str.split('|')).explode('Fruit')

执行后得到的df_expanded是这样的：

ID    Fruit
0  1    apple
0  1   banana
1  2   banana
1  2 watermelon

步骤2：匹配价格 #

将展开后的表和price表做左连接，匹配每个水果对应的价格：

merged = pd.merge(df_expanded, price, on='Fruit', how='left')

步骤3：重新合并字段 #

按ID分组，把每个ID对应的水果和价格重新用|拼接起来：

result = merged.groupby('ID').agg(
    Fruit=('Fruit', '|'.join),
    price=('price', '|'.join)
).reset_index()

最终得到的result就是你想要的结果：

ID             Fruit      price
0  1      apple|banana  1.49|0.59
1  2  banana|watermelon  0.59|5.99

方法二：字典映射+逐行处理（代码更简洁） #

如果你的数据集不大，这种方法代码更简洁，直接用字典映射匹配价格：

步骤1：将价格表转为字典 #

把price表转换成以水果名为键、价格为值的字典，方便快速查找：

price_dict = price.set_index('Fruit')['price'].to_dict()

步骤2：逐行匹配并拼接价格 #

用apply函数处理df的每一行，拆分水果字段后逐个匹配价格，再拼接成字符串：

df['price'] = df['Fruit'].apply(
    lambda x: '|'.join([price_dict[fruit] for fruit in x.split('|')])
)

执行后df就直接更新为你期望的结果啦。

两种方法各有优劣：方法一效率更高，适合大数据量；方法二代码更短，适合小数据集，你可以根据自己的实际情况选择~

内容的提问来源于stack exchange，提问作者Lily