如何利用字典在Pandas中按不同列条件替换字符串子串？

针对你的需求，这里提供两种高效的批量替换方案，无需逐个编写条件判断：

方法1：使用apply逐行处理 #

直接通过apply遍历每一行，结合字典映射完成替换：

import pandas as pd

df = pd.DataFrame({'NATIONALITY': {0: 'Germany', 1: 'France'}, 'APPROACH': {0: 'MAEU_TEST', 1: 'MAEU_TEST'}})
di = {'France': 'FR', 'Germany': 'DE'}

# 按行替换APPROACH中的"EU"为对应国家代码
df['APPROACH'] = df.apply(lambda row: row['APPROACH'].replace('EU', di[row['NATIONALITY']]), axis=1)

print(df)

输出结果：

NATIONALITY    APPROACH
0     Germany  MADE_TEST
1      France  MAFR_TEST

逻辑说明：axis=1指定按行处理，lambda函数中通过di[row['NATIONALITY']]获取当前行对应的国家代码，再替换APPROACH里的"EU"子串。

方法2：先映射国家代码再批量替换 #

先生成临时的国家代码列，再批量替换，可读性更强：

import pandas as pd

df = pd.DataFrame({'NATIONALITY': {0: 'Germany', 1: 'France'}, 'APPROACH': {0: 'MAEU_TEST', 1: 'MAEU_TEST'}})
di = {'France': 'FR', 'Germany': 'DE'}

# 生成对应国家代码列
df['CODE'] = df['NATIONALITY'].map(di)
# 批量替换"EU"为对应代码
df['APPROACH'] = df['APPROACH'].str.replace('EU', df['CODE'], regex=False)
# 可选：删除临时代码列
df = df.drop('CODE', axis=1)

print(df)

输出结果与方法1一致。

注意事项 #

如果NATIONALITY列存在不在字典di中的值，map会返回NaN，导致替换失败。可以添加默认值处理这种情况：

df['CODE'] = df['NATIONALITY'].map(di).fillna('UNKNOWN')

内容的提问来源于stack exchange，提问作者Ben