Pandas DataFrame 列子集批量映射字典方法
本文介绍两种简洁高效的方法，使用字典批量替换DataFrame中特定列（而非全部列）的值，避免重复书写列名或链式调用replace，兼顾可读性与性能。
本文介绍两种简洁高效的方法，使用字典批量替换 DataFrame 中特定列（而非全部列）的值，避免重复书写列名或链式调用 replace，兼顾可读性与性能。
在 Pandas 数据处理中，常需将多个列按同一映射规则（如城市缩写标准化）进行值替换，但又不希望影响其他无关列。例如，给定映射字典 {'PHX': 'PHO', 'BKN': 'NJN'}，仅需作用于 col1 和 col2，而保留 col3 原值不变。
直接使用 df.replace(name_dict) 会全局替换所有匹配值，不符合子集操作需求；而显式写出 {'col1': name_dict, 'col2': name_dict} 虽可行，但在列数较多时冗余且易出错。更优雅的解决方案如下：
✅ 方法一：利用 dict.fromkeys() 构造映射字典
该方法生成一个键为指定列名、值均为 name_dict 的字典，供 replace() 直接使用：
name_dict = {'PHX': 'PHO', 'BKN': 'NJN'}
cols_to_map = ['col1', 'col2']
df = df.replace(dict.fromkeys(cols_to_map, name_dict))此写法简洁、函数式风格强，适用于需返回新 DataFrame 的场景（非原地修改）。
✅ 方法二：先切片再替换（推荐用于大型 DataFrame）
通过列索引选取子集后，直接在其上应用 replace()，并赋值回原位置：
cols_to_map = ['col1', 'col2'] df[cols_to_map] = df[cols_to_map].replace(name_dict)
该方式语义清晰、内存友好（避免创建中间全量字典），且天然支持链式操作或后续处理；若需原地修改且不产生副本，这是更高效的选择。
⚠️ 注意事项：
- replace() 默认对字符串、数字等标量值精确匹配，不支持正则或部分匹配（如需模糊替换，请改用 str.replace() 或 applymap）；
- 若字典中不存在某列的某个值（如 'X' 未在 name_dict 中定义），该值将保持不变，符合预期；
- 列名列表 cols_to_map 中若包含不存在的列，df[cols_to_map] 会报 KeyError，建议预先校验：assert all(col in df.columns for col in cols_to_map)。
综上，优先推荐方法二（切片 + 替换）——它直观、可控、性能稳健，是生产环境中处理列子集映射的首选实践。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台，提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具，适合短剧、漫剧、广告及社交媒体内容制作。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，