如何更Pythonic地批量替换Pandas DataFrame中的多行内容？

需求说明 #

我的Pandas DataFrame共428行1列，前5行数据如下：

0   Stage II
1   Stage III
2   Stage II
3   Stage IV
4   Stage II

需要将其中的"Stage I/II/III/IV"分别替换为"Grade I/II/III/IV"，目标结果：

0   Grade II
1   Grade III
2   Grade II
3   Grade IV
4   Grade II

之前尝试过逐个调用replace（需重复4次），以及用iterrows遍历替换（未生效），下面给出更Pythonic的解决方案：

为什么iterrows方法失效？ #

iterrows()返回的是**(索引, 行数据)**的元组，不是单个字符串，所以你的判断条件row == "Stage I"永远不成立；另外，就算拿到行数据，直接调用replace不赋值也不会修改原DataFrame，嵌套if的逻辑也存在错误（应该用elif或独立判断）。

推荐的Pythonic实现方法 #

方法1：字典映射批量替换（最推荐）

直接给replace传入替换字典，一次性完成所有映射，代码简洁且高效：

# 定义替换规则字典
replace_map = {
    "Stage I": "Grade I",
    "Stage II": "Grade II",
    "Stage III": "Grade III",
    "Stage IV": "Grade IV"
}

# 替换（修改原DataFrame）
target_data.replace(replace_map, inplace=True)

# 或者返回新DataFrame（不修改原数据）
new_data = target_data.replace(replace_map)

方法2：字符串批量替换（更灵活）

因为所有替换都是将"Stage"替换为"Grade"，可以直接用str.replace做全局字符串替换，无需逐个枚举分类：

# 假设列名为0，替换后赋值回原列
target_data[0] = target_data[0].str.replace("Stage", "Grade")

# 如果有自定义列名，比如"stage"，则改为：
# target_data["stage"] = target_data["stage"].str.replace("Stage", "Grade")

这种方法的优势是：新增类似"Stage V"的分类时，无需修改代码即可自动替换。

方法3：map函数映射

利用map方法结合字典完成替换，适合需要严格匹配的场景：

target_data[0] = target_data[0].map(replace_map)

注意：map会将不在字典中的值转为NaN，如果需要保留原数据中的其他值，可以添加fillna：

target_data[0] = target_data[0].map(replace_map).fillna(target_data[0])

为什么这些方法更Pythonic？ #

这些方法都利用了Pandas的向量化操作，避免了低效的循环遍历，在数据量较大时（比如你的428行）效率远高于iterrows，同时代码更简洁、可读性更强。

内容的提问来源于stack exchange，提问作者kukulu