Pandas多条件修改列值异常：所有行均显示Walmart Marketplace

核心问题1：列名不匹配 #

你的DataFrame里列名是default seller（带空格），但代码里用的是default_seller（下划线），导致row.get('default_seller','')永远返回空字符串。空字符串不在你的amazon_seller_list里，所以所有Amazon行都会被错误修改；如果同时你的walmart_seller_list定义有误（比如是空列表），或者循环索引出现混乱，就会导致所有行被改成Walmart Marketplace。

核心问题2：循环修改DataFrame的风险 #

用iterrows()循环修改DataFrame容易出现索引混乱、效率低下的问题，更推荐用矢量化操作处理。

修正后的代码 #

先正确定义卖家列表，再用矢量化条件判断完成修改：

import numpy as np

# 定义目标卖家列表
amazon_seller_list = ['amazon','amazon.com','amazon global store uk','amazon warehouse']
walmart_seller_list = ['walmart.com']

# 处理Amazon场景：source为Amazon，且default seller不在目标列表中
amazon_condition = (final_df['source'] == 'Amazon') & \
                   (~final_df['default seller'].str.lower().isin(amazon_seller_list))
final_df.loc[amazon_condition, 'source'] = 'Amazon Marketplace'

# 处理Walmart场景：source为Walmart，且seller不在目标列表中
walmart_condition = (final_df['source'] == 'Walmart') & \
                    (~final_df['seller'].str.lower().isin(walmart_seller_list))
final_df.loc[walmart_condition, 'source'] = 'Walmart Marketplace'

额外说明 #

• 数据中的字符串'na'经str.lower()转成'na'，不在目标列表中，会被正确判定为需要修改的情况（比如示例里的第二、第三行Amazon）。
• 矢量化操作比循环效率高得多，尤其适合大数据量场景，同时避免了循环带来的索引问题。

内容的提问来源于stack exchange，提问作者Gururaj B R