使用字典替换字符串，而不删除熊猫数据框中的字符

Question

我遇到了一种查找问题，尝试使用功能 replace dict zip （请参见下文），但这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. 什么是不删除即可生成df3的有效方法 在df1下划线？在我的实际问题中，df1更大，至少（200， 500），而不是下面的示例中的（2，4）。
2. 要创建df3，为什么不能按如下所示使用替换字典zip ， 不删除df1中的下划线？

df1包含唯一的字符串，其下划线以特定模式排列：

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将替换为df2.b中的相应值。但是，当我运行以下代码时，对于df2中不包含的字符串，df3中的下划线2_1、2_2等会消失。

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

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

在df3中所需的结果应该是：

     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