如何用字典根据另一列值替换DataFrame某列的值

问题背景 #

给定映射字典：

region_rename = {"Gambia": "Sub-Saharan Africa", "North Macedonia": "Central and Eastern Europe"}

DataFrame data_2019 初始数据：

期望输出：

核心需求：根据Country列的值用字典替换Region列的缺失值，同时保留已有正确地区的数据。

尝试过的错误代码及问题 #

1. 返回布尔值，无法完成赋值：

data_2019["Region"] = [data_2019.loc[data_2019["Country or region"] == r, "Region"] == region_rename[r] for r in region_rename]

2. 逻辑错误，提示输出歧义：

sample["Region"] = sample["Region"].apply([lambda r: region_rename[r] if sample["Region"] == r else "" for r in region_rename])

3. 覆盖已有正确地区数据，导致非目标国家Region变为NaN：

sample["Region"] = sample["Country or region"].map(region_rename)

正确解决方案 #

方法1：fillna结合map（推荐） #

利用map根据Country列生成对应地区，再用fillna仅填充Region列的缺失值，已有值保持不变：

data_2019["Region"] = data_2019["Region"].fillna(data_2019["Country"].map(region_rename))

方法2：loc精准定位赋值 #

先筛选出Region为NaN且Country在字典中的行，再针对性赋值：

mask = data_2019["Region"].isna() & data_2019["Country"].isin(region_rename.keys())
data_2019.loc[mask, "Region"] = data_2019.loc[mask, "Country"].map(region_rename)

方法3：if-then语句（适合字典条目较少时） #

因为字典仅包含两个国家，可直接逐个判断赋值：

# 填充Gambia的Region缺失值
data_2019.loc[(data_2019["Country"] == "Gambia") & (data_2019["Region"].isna()), "Region"] = "Sub-Saharan Africa"
# 填充North Macedonia的Region缺失值
data_2019.loc[(data_2019["Country"] == "North Macedonia") & (data_2019["Region"].isna()), "Region"] = "Central and Eastern Europe"

以上三种方法均可实现需求：仅填充Region列的缺失值，同时保留USA等已有正确地区的数据。

内容的提问来源于stack exchange，提问作者user20443632