如何在Pandas中按条件批量替换指定列值并删除指定行？

没问题，我来帮你搞定这个数据处理需求！听起来你需要针对2011年的每一个唯一标识，用该标识下region=''的行的A/B/C/D列值，覆盖同标识的其他2011年行的对应列，最后再把所有region=''的行删掉对吧？之前用loc没生效大概率是因为没做好唯一标识的匹配关联，下面给你分步拆解解决方案：

步骤1：提取参考映射表 #

首先我们需要把2011年中region=''的行单独拎出来，作为我们的"替换值字典"，每个唯一标识对应一组A/B/C/D的替换值：

# 筛选2011年且region为空的行，保留唯一标识和目标列
ref_df = df[(df['年份'] == 2011) & (df['region'] == '')][['唯一标识', 'A', 'B', 'C', 'D']]
# 如果同一个唯一标识有多行region为空，这里可以先去重（保留第一行）
ref_df = ref_df.drop_duplicates(subset=['唯一标识'], keep='first').set_index('唯一标识')

步骤2：替换2011年目标行的列值 #

这里有两种可靠的方法，你可以选自己顺手的：

方法一：用map结合loc精准匹配 #

通过唯一标识映射参考表的对应值，直接替换2011年行的A/B/C/D列：

# 定位2011年的行，用参考表的值替换目标列
df.loc[df['年份'] == 2011, ['A', 'B', 'C', 'D']] = df.loc[df['年份'] == 2011, '唯一标识'].map(ref_df.to_dict('index'))

方法二：用merge合并替换（更直观，适合复杂场景） #

如果担心map的匹配问题，用合并的方式更稳妥：

# 把参考表的列加上前缀，避免和原列重名
df = df.merge(ref_df.add_prefix('replace_'), on='唯一标识', how='left')
# 只对2011年的行进行替换
mask = df['年份'] == 2011
df.loc[mask, ['A', 'B', 'C', 'D']] = df.loc[mask, ['replace_A', 'replace_B', 'replace_C', 'replace_D']].values
# 删掉临时添加的替换列
df = df.drop(columns=['replace_A', 'replace_B', 'replace_C', 'replace_D'])

步骤3：删除所有region=''的行 #

最后一步清理数据，把空region的行全部移除：

df = df[df['region'] != '']

为什么之前loc没生效？ #

大概率是你之前的loc操作没有关联唯一标识，只是单纯按年份筛选后赋值，导致所有2011年的行都被替换成同一个值，而不是每个唯一标识对应自己的替换值。上面的方法核心就是通过唯一标识建立映射，确保每个行都拿到对应自己标识的替换值。

内容的提问来源于stack exchange，提问作者Shegs01