需对DataFrame某列做大量值替换时可替代np.where的方法

方案1：单列替换（最适配你当前场景） #

直接把所有替换规则定义为映射字典，调用pandas自带的replace()方法完成批量替换，和你原有np.where的逻辑完全一致，不匹配的取值会保留原值：

# 所有替换规则统一维护在这个字典中，100条规则直接补全即可
country_replace_map = {
    "UK": "United Kingdom",
    "USA": "United States",
    # 剩余98条替换规则直接按"旧值":"新值"的格式追加即可
}

# 一行代码完成全量替换
df["Country"] = df["Country"].replace(country_replace_map)

方案2：多列同时批量替换 #

如果你后续需要对多个列做不同的替换操作，可以定义嵌套字典，一次性完成所有列的替换：

# 外层键为列名，内层为对应列的替换映射
all_replace_map = {
    "Country": {
        "UK": "United Kingdom",
        "USA": "United States"
    },
    "Continent": {
        "EU": "Europe",
        "AS": "Asia"
    }
}

df = df.replace(all_replace_map)

补充说明 #

• 上述写法默认是全值严格匹配，和你原有实现的逻辑完全一致
• 如需模糊匹配子字符串后替换，可以传入regex=True参数，该场景下需要注意特殊正则字符的转义

内容的提问来源于stack exchange，提问作者user1309044