首先，在names_values中对Map值使用 Dataframe 是没有意义的;字典更有意义。

names_values = {'Fiona': 5, 'Chris': 6, 'Mason': 7, 'June': 8}

然后，您可以使用.items()方法来迭代 main_frame dataframe，并使用names_values字典和map()来替换dataframe中的值。

names_values = {'Fiona': 5, 'Chris': 6, 'Mason': 7, 'June': 8}

for col_name, col_vals in main_frame.items():
    updated_col: pd.Series = main_frame[col_name].map(
        lambda x: names_values[col_name] if '<' in x else x
    )
    main_frame[col_name] = updated_col

main_frame

另外，值得注意的是，有无数种方法可以解决这个问题，所以我敢肯定这一种不是最有效的（虽然它很好，也很容易理解）！编码的美妙之处之一！
希望这有帮助！

ss1=names_values.set_index("Names")["Values"]
main_frame.T.apply(lambda ss:np.where(ss.str.contains("<"),ss1,ss)).T

输出：

Fiona Chris Mason June
0     5     6     2    1
1     3    12     7    2
2     4     8    11    8

1.代码从现有的数据框main_frame创建一个新的数据框，方法是将任何包含字符串“〈”的值替换为names_values数据框中的相应值。
1.代码首先将names_values Dataframe 的索引设置为“Names”，然后从中提取“Values”列。
1.然后，代码在转置的main_frame Dataframe 上使用apply（）方法，该方法将lambda函数应用于 Dataframe 的每一行。

1. lambda函数检查行是否包含字符串“〈”，如果包含，则将其替换为names_values Dataframe 中的相应值。
   1.最后，代码将 Dataframe 转置回其原始形式。

稍微修改names_values的构造函数，避免使用单级MultiIndex，然后修改replace和fillna：

data = [['Fiona','5'], ['Chris','6'], ['Mason','7'], ['June','8']]

# don't use a nested list for "columns"
names_values = pd.DataFrame(data, columns=['Names', 'Values'])

# match cells with any "<", replace with NaN, then fillna with a Series
end_goal = (main_frame
            .replace('<', np.nan, regex=True)
            .fillna(names_values.set_index('Names')['Values'])
           )

使用apply的替代方法：

repl = names_values.set_index('Names')['Values']

end_goal = main_frame.apply(lambda s: s.mask(s.str.contains('<'), repl[s.name]))

输出：

Fiona Chris Mason June
0     5     6     2    1
1     3    12     7    2
2     4     8    11    8

保留原始NaN：

添加mask：

data1 = {'Fiona':['<2', '3','4'],
        'Chris': ['<7','12',np.nan],
        'Mason': ['2','<3','11'],
        'June': ['1','2','<9']}
main_frame = pd.DataFrame(data1)

data = [['Fiona','5'], ['Chris','6'], ['Mason','7'], ['June','8']]
names_values = pd.DataFrame(data, columns=['Names', 'Values'])

# match cells with any "<", replace with NaN, then fillna with a Series
end_goal = (main_frame
            .replace('<', np.nan, regex=True)
            .fillna(names_values.set_index('Names')['Values'])
            .mask(main_frame.isna())
           )

或者：

repl = names_values.set_index('Names')['Values']

end_goal = main_frame.apply(lambda s: s.mask(s.str.contains('<')&s.notna(), repl[s.name]))

输出：

Fiona Chris Mason June
0     5     6     2    1
1     3    12     7    2
2     4   NaN    11    8

删除name_values的双括号，然后遍历列，查找带有str.contains的<。还将names设置为name_values的索引。

data1 = {'Fiona':['<2', '3','4'],
        'Chris': ['<7','12','8'],
        'Mason': ['2','<3','11'],
        'June': ['1','2','<9']}
main_frame = pd.DataFrame(data1)

data = [['Fiona','5'], ['Chris','6'], ['Mason','7'], ['June','8']]
names_values = pd.DataFrame(data, columns=['Names', 'Values'])
names_values = names_values.set_index('Names')

for col in main_frame.columns:
    main_frame.loc[main_frame[col].str.contains('<'), col] = names_values.at[col, 'Values']