如何按条件替换pandas DataFrame指定列的单元格值

问题场景 #

给定如下测试DataFrame：

import pandas as pd
df = pd.DataFrame({
    'Text': ['aa bb cc', 'ee ff gg hh', 'xx yy', 'zz zz zz'],
    'Name': ['Paul', 'NA', 'NA', 'Anton']
})

初始DataFrame打印效果：

Text        Name
0  aa bb cc    Paul
1  ee ff gg hh NA
2  xx yy       NA
3  zz zz zz    Anton

需求规则：

• 仅替换Name列中值为字符串"NA"的单元格
• 替换值为对应行Text列内容的前3个词汇，若Text列词汇总数不足3个则取全部词汇

期望输出效果：

Text        Name
0  aa bb cc    Paul
1  ee ff gg hh ee ff gg
2  xx yy       xx yy
3  zz zz zz    Anton

原有写法问题 #

你之前使用的列表推导式存在两个核心错误：

1. 推导式里的if判断是对整个DataFrame做布尔筛选，没有做逐行的位置匹配，判断逻辑不生效
2. 推导式最终只会生成Name为NA的行对应的结果，列表长度和原DataFrame行数不匹配，无法直接赋值覆盖原列

正确代码 #

使用pandas原生的布尔索引+向量化apply实现，运行效率更高，逻辑更清晰：

# 标记Name列为NA的行
na_mask = df['Name'] == 'NA'
# 仅对标记的行做替换，提取对应Text列的前3个词拼接
df.loc[na_mask, 'Name'] = df.loc[na_mask, 'Text'].apply(lambda text: ' '.join(text.split()[:3]))

运行后打印df即可得到和期望完全一致的结果。

内容的提问来源于stack exchange，提问作者StefanieHa