使用字典替换字符串而不删除熊猫数据框中的字符

Question

我有一种查找问题，我尝试使用函数 replace dict zip（见下文），但这并不能完全产生我想要的结果，因为在此过程中删除了字符（下划线） .

问题

1. 什么是在不删除的情况下生成 df3 的有效方法 df1 中的下划线？在我真正的问题中，df1 更大，至少（200， 500) 而不是 (2, 4)，如下例所示。
2. 要创建 df3，为什么我不能使用 replace dict zip 如下， 不删除 df1 中的下划线？

df1 包含以特定模式排列的带有下划线的唯一字符串：

import pandas as pd
df1 = pd.DataFrame([['1_1','1_2', '2_1', '2_2'],['1_3','1_4', '2_3', '2_4']])
df1
         0    1    2    3
    0  1_1  1_2  2_1  2_2
    1  1_3  1_4  2_3  2_4

df2 包含 df1 中某些字符串的字典：

df2 = pd.DataFrame([['1_1',234],['1_2',456],['2_3',324],['2_4',765]], columns = ['a', 'b'])
df2

     a    b
0  1_1  234
1  1_2  456
2  2_3  324
3  2_4  765

我想创建 df3，其中 df1 中包含的确切字符串被替换为 df2.b 中的相应值。但是，当我运行以下代码时，df3 中 2_1、2_2 等的下划线对于 df2 中不包含的字符串会消失。

df3 = df1.replace(dict(zip(df2.a, df2.b)))
df3

     0    1    2    3
0  234  456   21   22
1   13   14  324  765

df3 中的期望结果应该是：

     0    1    2    3
0  234  456   2_1   2_2
1   1_3   1_4  324  765

或者，或者：

     0    1    2    3
0  234  456   NaN   NaN
1   NaN   NaN  324  765

Answer 1

您可以使用df.mask 作为替代：

s=df2.set_index('a')['b']
df1.mask(df1.isin(s.index),df1.replace(s))

---

     0    1    2    3
0  234  456  2_1  2_2
1  1_3  1_4  324  765