使用字典.update()与pd.Series更新Pandas列失败，求问题排查

你代码里的update方法未生效的核心问题是索引不匹配：

• pd.Series(term_dict)生成的Series，其索引是字典的键（即' 36 months'、' 60 months'）
• 原DataFrame的term_int列使用的是默认数字索引（0、1、2...）
• update方法是按索引对齐来替换值的，两者索引完全不重合，因此找不到需要替换的行，term_int列自然没有变化。

方案1：用map方法（最适配你的场景） #

map方法会直接根据列的每个值匹配字典的键并返回对应值，完全无需考虑索引问题：

import pandas as pd
import re

loan_data = pd.read_csv('loan_data_2007_2014.csv')

term_set = set(loan_data['term'])
term_dict = {x: int(re.sub('[^0-9]', '', x)) for x in term_set}

# 直接用map完成替换
loan_data['term_int'] = loan_data['term'].map(term_dict)

print("unique term_int = ", loan_data['term_int'].unique())

方案2：直接提取数字（更简洁，无需构建字典） #

不需要提前创建字典，用字符串提取方法直接提取数字部分，一步到位：

import pandas as pd

loan_data = pd.read_csv('loan_data_2007_2014.csv')

# 提取数字并转为整数类型
loan_data['term_int'] = loan_data['term'].str.extract('(\d+)').astype(int)

print("unique term_int = ", loan_data['term_int'].unique())

方案3：修复update的索引匹配（仅作原理演示，不推荐） #

如果一定要使用update，需要让Series的索引与原DataFrame索引对齐，通过临时设置索引实现：

import pandas as pd
import re

loan_data = pd.read_csv('loan_data_2007_2014.csv')

term_set = set(loan_data['term'])
term_dict = {x: int(re.sub('[^0-9]', '', x)) for x in term_set}

loan_data['term_int'] = loan_data['term']
# 临时将term列设为索引，让update能匹配对应值
loan_data.set_index('term', inplace=True)
loan_data['term_int'].update(pd.Series(term_dict))
# 恢复原索引
loan_data.reset_index(inplace=True)

print("unique term_int = ", loan_data['term_int'].unique())

内容的提问来源于stack exchange，提问作者JohnSmith