使用df.at[]结合字典替换DataFrame列值出现AttributeError如何解决？

报错原因 #

AttributeError: 'numpy.int8' object has no attribute 'replace'报错的核心原因是：df.at[i, 'state']取到的是单个numpy数值类型对象，replace是pandas的Series/DataFrame专属方法，单个数值不支持该调用。
此外你的代码还有两处语法错误需要先修正：

• 第二个if判断中j['country]缺少闭合单引号，应为j['country']
• 加拿大映射字典中1: 'Edmonton缺少闭合单引号，应为1: 'Edmonton'

方案1：修正原循环写法 #

如果要保留你原来的循环逻辑，直接用字典取值即可，不需要调用replace方法：

us_state = {1: 'Alabama', 2: 'Alaska', 3: 'Illinois', 4: 'Ohio'}
can_state = {1: 'Edmonton', 2: 'Sasketchwan', 3: 'Manitoba'}

def convert_state(df):
    for i, j in df.iterrows():
        if j['country'] == 'United States':
            # 直接用字典取值，get方法兼容不存在的键
            df.at[i, 'state_edit'] = us_state.get(j['state'], '未知')
        if j['country'] == 'Canada':
            df.at[i, 'state_edit'] = can_state.get(j['state'], '未知')
    return df

方案2：高效向量化实现（推荐） #

iterrows循环在数据量较大时执行效率极低，推荐用pandas原生的map+布尔索引实现，性能提升非常明显：

us_state = {1: 'Alabama', 2: 'Alaska', 3: 'Illinois', 4: 'Ohio'}
can_state = {1: 'Edmonton', 2: 'Sasketchwan', 3: 'Manitoba'}

def convert_state(df):
    df['state_edit'] = None
    # 处理美国行映射
    us_mask = df['country'] == 'United States'
    df.loc[us_mask, 'state_edit'] = df.loc[us_mask, 'state'].map(us_state)
    # 处理加拿大行映射
    can_mask = df['country'] == 'Canada'
    df.loc[can_mask, 'state_edit'] = df.loc[can_mask, 'state'].map(can_state)
    return df

如果后续需要新增更多国家的映射规则，可以把映射关系整合为嵌套字典，用apply简化代码：

state_maps = {
    'United States': {1: 'Alabama', 2: 'Alaska', 3: 'Illinois', 4: 'Ohio'},
    'Canada': {1: 'Edmonton', 2: 'Sasketchwan', 3: 'Manitoba'}
}

def convert_state(df):
    df['state_edit'] = df.apply(lambda x: state_maps[x['country']].get(x['state'], '未知'), axis=1)
    return df

测试效果 #

使用你提供的测试数据运行：

import pandas as pd
data = {'country':['United States', 'United States', 'Canada', 'United States'], 'state':[4, 2, 2, 1]}
df = pd.DataFrame(data)
df = convert_state(df)
print(df)

输出结果：

country  state  state_edit
0  United States      4        Ohio
1  United States      2      Alaska
2         Canada      2  Sasketchwan
3  United States      1     Alabama

内容的提问来源于stack exchange，提问作者GK89