Pandas替换DataFrame分组列值出现NaN的正确实现方法

• 第一种方案出NaN的核心原因：第一次赋值时你把整个group列替换成了「仅筛选group==1的行计算得到的Series」，所有group不等于1的行在这一步就被赋值为NaN，后续操作只修改少部分行，自然会残留大量空值。
• 第二种方案不生效的原因：一是你给所有值加10后，原1会变成11、原3变成13、原5变成15，根本不存在值为10的行，筛选结果为空；二是你用的df['group'][筛选条件] = xxx属于链式索引，pandas无法保证赋值操作能写回原DataFrame，本身就是官方不推荐的写法。

最稳妥、适配任意多组替换规则的方案是用pandas内置的replace方法，通过映射字典一次性完成所有替换，不会出现中间值干扰、NaN、赋值不生效的问题：

# 定义替换映射：键为原始值，值为替换后的目标值
replace_map = {
    1: 5,
    3: 6
    # 有更多替换规则直接追加键值对即可，比如 4:2, 6:7
}

df['group'] = df['group'].replace(replace_map)

这个方案的优势：

• 所有匹配基于列的原始值完成，不会出现「先改的值干扰后续匹配」的问题，哪怕是1换2、2换1这种交叉替换场景也能正确执行
• 没有匹配到映射规则的原值会自动保留，不会意外生成NaN
• 写法简洁，规则多了也容易维护

如果你一定要用条件赋值的写法，必须用loc避免链式索引问题，且要注意如果存在值交叉替换的场景，这种写法会出错：

# 仅适合无值重叠的简单替换场景
df.loc[df['group'] == 1, 'group'] = 5
df.loc[df['group'] == 3, 'group'] = 6

内容的提问来源于stack exchange，提问作者y2kmarkham