如何基于另外两列值修改Pandas DataFrame列值

可以通过分步定位行范围来避免结果互相覆盖，核心思路是先初始化新列为缺失值，再针对不同条件的行分别赋值，确保只修改目标行：

示例代码 #

import pandas as pd
import numpy as np

# 构造你的示例数据
data = {
    "component": ["class", "property", "instance", "property", "property", "property", "instance", "class"],
    "rdfs:range": [np.nan, "xsd:int", np.nan, "obj:ObjectName", "xsd:string", "obj:Object2Name", np.nan, np.nan]
}
sample_df = pd.DataFrame(data)

# 定义data property对应的字典（替换成你实际的字典）
data_property_dict = {
    "xsd:int": "data property",
    "xsd:string": "data property"
}

# 1. 初始化subcomponent列为缺失值（对应需求1：class/instance默认保持NaN）
sample_df["subcomponent"] = pd.NA

# 2. 匹配data property字典，仅对component为property的行生效
is_property = sample_df["component"] == "property"
sample_df.loc[is_property, "subcomponent"] = sample_df.loc[is_property, "rdfs:range"].map(data_property_dict)

# 3. 对未匹配字典的property行，设置为object property
is_unmatched_property = is_property & sample_df["subcomponent"].isna()
sample_df.loc[is_unmatched_property, "subcomponent"] = "object property"

逻辑说明 #

• 先初始化新列为pd.NA，确保class/instance类型的行默认保持缺失值，不会被后续操作覆盖。
• 用loc定位仅component为property的行，通过map匹配字典赋值data property，只修改目标行。
• 最后筛选出property类型且subcomponent仍为缺失值的行，统一设置为object property，完美覆盖未匹配的情况。

运行后得到的结果完全符合你的期望输出。

内容的提问来源于stack exchange，提问作者user3684314