如何在Pandas中为B列匹配行的索引分配A列行值（A列含重复）

你完全没必要用逐行循环来实现，Pandas的矢量化操作能帮你高效搞定这个需求！核心思路是先构建B列值到对应行索引的映射关系，再批量替换A列的值，全程都是底层优化过的操作，比循环快太多。

具体实现步骤 #

1. 先准备示例数据 #

把你给出的示例转换成Pandas DataFrame：

import pandas as pd

data = {
    'A': ['x', 'y', 'z', 'k', 'x'],
    'B': ['k', 'z', 'y', 'x', 'nAn']
}
df = pd.DataFrame(data)

初始的DataFrame长这样：

A    B
0  x    k
1  y    z
2  z    y
3  k    x
4  x  nAn

2. 构建B列值到索引的映射字典 #

直接利用Pandas的to_dict()方法，就能快速生成{B列值: 对应行索引}的字典：

b_to_idx = df['B'].to_dict()

这个字典的内容是：{'k':0, 'z':1, 'y':2, 'x':3, 'nAn':4}

3. 批量替换A列的值 #

用map()方法把A列的每个值替换成字典中对应的索引，这一步是矢量化操作，效率拉满：

df['A'] = df['A'].map(b_to_idx)

4. 最终结果 #

执行完后，DataFrame就变成了你想要的样子：

A    B
0  3    k
1  2    z
2  1    y
3  0    x
4  3  nAn

额外说明 #

如果你的B列存在重复值，上面的方法会取最后一次出现的索引（因为字典键唯一，后面的会覆盖前面的）。要是需要取第一次出现的索引，可以用下面的代码构建映射字典：

b_to_idx_first = df['B'].reset_index().drop_duplicates(subset='B', keep='first').set_index('B')['index'].to_dict()

内容的提问来源于stack exchange，提问作者Baily