修改DataFrame中含'Delhi'变体的CityLocation列值未生效，问题出在哪里？

嘿，这个问题我太熟了！你遇到的是Pandas里经典的**链式索引（Chained Indexing）**坑，这也是很多刚用Pandas的开发者容易踩的点。

为什么你的代码没生效？ #

你写的df[df.CityLocation.str.contains('Delhi',case=False,na=False)].CityLocation= 'New Delhi'其实是两次连续的索引操作：

1. 第一步df[布尔条件]返回的是原DataFrame的视图或者副本（Pandas无法明确判断）
2. 第二步.CityLocation再提取列
   当你给这个结果赋值时，实际上可能只是修改了临时生成的副本，而原DataFrame完全没被触动——这就是修改不生效的核心原因。

正确的解决方法 #

推荐用以下几种方式来确保修改直接作用于原DataFrame：

方法1：使用.loc定位赋值（最推荐）

.loc是Pandas官方推荐的定位修改方式，它能明确告诉Pandas你要修改原DataFrame的指定行和列：

df.loc[df.CityLocation.str.contains('Delhi', case=False, na=False), 'CityLocation'] = 'New Delhi'

语法说明：.loc[行筛选条件, 列名]，这样操作会直接修改原DataFrame的对应位置。

方法2：用numpy.where批量替换

如果习惯用批量逻辑替换的方式，可以借助numpy.where生成新的列值来覆盖原列：

import numpy as np
df['CityLocation'] = np.where(
    df.CityLocation.str.contains('Delhi', case=False, na=False),
    'New Delhi',
    df['CityLocation']
)

这个方法会遍历每一行，满足条件就替换成New Delhi，否则保留原值，同样能避免链式索引的问题。

额外提醒 #

你代码里的na=False设置很合理，它会把CityLocation列中的NA值判定为False，不会被误修改，这点可以保留。

以后修改DataFrame元素时，尽量避免df[a][b]这种链式索引写法，优先用.loc/.iloc定位，就能避开这类修改不生效的问题啦！

内容的提问来源于stack exchange，提问作者Sabari Raj