如何基于Pandas单列查询批量更新多行数据？

这个问题很常见，当你想批量替换DataFrame中的值时，replace()方法是最高效且简洁的解决方案，完全能替代你那种逐个loc更新的繁琐写法，也能解决你用in时遇到的报错问题。

最优实现方式 #

首先创建一个映射字典，把需要替换的旧名称和对应的新名称一一对应起来，然后用pandas的replace()方法一次性完成批量替换：

import pandas as pd

# 初始化DataFrame
df = pd.DataFrame({'countries': ['United States of America','United Kingdom','Republic of Korea','Netherlands']})

# 创建名称映射字典
country_mapping = {
    'United States of America': 'USA',
    'United Kingdom': 'UK',
    'Republic of Korea': 'South Korea',
    'Netherlands': 'Holland'
}

# 批量替换
df['countries'] = df['countries'].replace(country_mapping)

print(df)

运行后会直接得到你想要的结果，而且这种方式的效率远高于逐个loc更新，尤其是当你的DataFrame数据量很大时，优势会更明显。

为什么你的代码会报错？ #

你尝试的这段代码：

df.loc[df['countries'] in ['United States of America','United Kingdom','Republic of Korea','Netherlands'] ,'countries'] = ['USA','UK','South Korea','Holland']

报错ValueError: The truth value of a Series is ambiguous的原因是：df['countries'] in [...]会返回一个布尔Series（每个元素对应是否在列表中），但Python无法直接判断整个Series的"真值"——因为Series包含多个布尔值，它不知道你是要判断所有元素都为True，还是只要有一个为True。

如果一定要用loc的方式，你需要用isin()方法来生成正确的布尔索引，但还要注意赋值的对应关系（因为isin()返回的顺序和原DataFrame一致，直接赋值列表可能会错位），所以不如replace()方法直观可靠。

补充：另一种可选方法（map） #

你也可以用map()方法，但要注意：如果DataFrame中存在不在映射字典里的国家名称，map()会把这些值转为NaN，而replace()会保留原数值。示例代码如下：

df['countries'] = df['countries'].map(country_mapping).fillna(df['countries'])

这里加上fillna()是为了保留那些不在映射里的值，避免出现缺失值。

内容的提问来源于stack exchange，提问作者Anil Menon