Pandas 字典映射更新列值不丢数据方法

本文介绍如何使用 `map()` 配合 `combine_first()` 在 Pandas 中精准更新特定行的列值（如为同名县添加省份后缀），同时保留原始数据中未被映射覆盖的原有值，避免意外产生 NaN。

在处理行政区划数据（如波兰各县）时，常遇到同名不同属的问题：例如多个省份下存在名为 "Powiat brzeski" 的县。仅靠县名无法唯一标识，需结合省份信息增强区分度。理想方案是：对指定代码（Code）映射生成带省份后缀的新县名（如 "Powiat brzeski_Malopolskie"），但不干扰其他未定义映射关系的记录。

然而，直接使用 df['County'] = df['Code'].map(code_to_county) 会导致所有未在 code_to_county 字典中出现的 Code 对应的 County 值被设为 NaN——这正是原问题的核心痛点。

✅ 正确解法是利用 Pandas 的 combine_first() 方法，它能以“优先级合并”方式融合两个 Series：

• 第一个 Series（映射结果）提供更新值；
• 第二个 Series（原始 County 列）作为后备，填充所有 NaN 位置。

import pandas as pd

# 示例数据：含6条记录，其中1条Code（9999999）和1条County（'Powiat ciechanowski'）未在映射字典中
data = {
    'Code': [1202000, 2402000, 802000, 3017000, 3005000, 9999999],
    'County': ['Powiat brzeski', 'Powiat bielski', 'Powiat krośnieński', 
               'Powiat ostrowski', 'Powiat grodziski', 'Powiat ciechanowski']
}
df = pd.DataFrame(data)

# 映射字典：仅定义需增强区分度的5个县
code_to_county = {
    1202000: "Powiat brzeski_Malopolskie",
    2402000: "Powiat bielski_Slaskie",
    802000:  "Powiat krośnieński_Lubuskie",
    3017000: "Powiat ostrowski_Wielkopolskie",
    3005000: "Powiat grodziski_Wielkopolskie"
}

# ✅ 安全更新：用映射结果覆盖匹配项，其余保持原值
df['County'] = df['Code'].map(code_to_county).combine_first(df['County'])

print(df)

输出结果：

      Code                          County
0  1202000      Powiat brzeski_Malopolskie
1  2402000          Powiat bielski_Slaskie
2   802000     Powiat krośnieński_Lubuskie
3  3017000  Powiat ostrowski_Wielkopolskie
4  3005000  Powiat grodziski_Wielkopolskie
5  9999999             Powiat ciechanowski

? 关键原理说明：

• df['Code'].map(code_to_county) 返回一个与 df 等长的 Series，匹配成功则为新值，失败则为 NaN；
• .combine_first(df['County']) 将该 Series 与原始 County 列按索引对齐，逐元素取非空值（左优先，左为空则取右）；
• 因此，仅字典中明确声明的 5 行被更新，第 6 行自动回退至原始县名，零数据丢失。

⚠️ 注意事项：

• 确保 code_to_county 的键类型与 df['Code'] 列一致（如均为 int，避免因 str 键导致全部匹配失败）；
• 若需批量处理多列或复杂逻辑，可封装为函数并结合 apply() 或 np.where()，但本场景 map + combine_first 最简洁高效；
• 替代方案如 fillna() 仅适用于单值填充，而 combine_first() 支持 Series-to-Series 精准对齐，是处理此类“条件性列更新”的推荐模式。

通过这一方法，你可在保证数据完整性的同时，精准解决同名行政区的歧义问题，为后续多源文件合并奠定可靠基础。