鉴于

data = {'features': ['2q07_female', '2q06_male'], 'importance': [0.25, 0.30]}
df = pd.DataFrame(data)
dictnames = {'2q07': 'color of hair', '2q06': 'color of eyes'} # fixed key s2q06

做了

import re
pat = re.compile('|'.join(f'({re.escape(k)})' for k in dictnames))
df['features'] = df['features'].str.replace(pat, lambda m:dictnames.get(m.group(0)))

将df更新为

features  importance
0  color of hair_female        0.25
1    color of eyes_male        0.30

你也可以

for k, v in dictnames.items():
    df['features'] = df['features'].str.replace(k, v)

但是对于较大的字典来说，它会非常慢。Panda Kim的答案应该是最快的，只要你的数据结构像"KeyToReplace_rest of string"。

我认为's2q06'在dictnames为'2q06'和解决问题。

示例

data = {'features': ['2q07_female', '2q06_male'], 'importance': [0.25, 0.30]}
df = pd.DataFrame(data)
dictnames = {'2q07': 'color of hair', '2q06': 'color of eyes'}

编码

s = df['features'].str.split('_')

s

0    [2q07, female]
1      [2q06, male]

编辑feature列

df.assign(features=s.str[0].replace(dictnames).str.cat(s.str[1], sep='_'))

输出：

features                importance
0   color of hair_female    0.25
1   color of eyes_male      0.30

当特征列中有键不对应dictnames时，处理不清楚，所以我使用replace。