Python/Pandas如何遍历CSV数据框单列行值修改另一列对应取值

优先使用映射字典+Pandas矢量化操作实现，无需逐行遍历，代码简洁且执行效率远高于循环遍历，7000行数据可瞬时完成填充。

前置修正：调整代码语法错误 #

你提供的两段代码存在缺失字符串引号的问题，先修正避免运行报错：

1. 列名定义修正：

df.columns=['agent_name', 'case_id', 'case_type', 'case_subtype', 'regional_team']

2. 人员名单定义修正：

latam_team = ['Jose Gonzales', 'Jennifer Pasale', 'Lorena Lorenzo']
eur_team = ['John Smith', 'Alaister Mckinney', 'Victoria Norton']
nam_team = ['Jenny Rivera', 'Jacob White', 'Emma Tilman']

步骤1：构造姓名-区域映射字典 #

将人员名单转为{姓名: 区域编码}的字典，方便后续批量匹配：

name_region_map = {}
# 批量加入各区域人员映射
for name in latam_team:
    name_region_map[name] = 'LATAM'
for name in eur_team:
    name_region_map[name] = 'EUR'
for name in nam_team:
    name_region_map[name] = 'NAM'
# 后续补充ASPAC团队名单后，按照同样逻辑加入字典即可

步骤2：批量填充regional_team列 #

直接用Pandas的map方法完成匹配赋值，不在映射字典中的姓名会自动保留NaN值，符合你的占位符需求：

df['regional_team'] = df['agent_name'].map(name_region_map)

如果需要把未匹配到的人员统一标记为其他值（比如暂时归为ASPAC），可补充fillna方法：

# 可选：未匹配人员统一标记为ASPAC
# df['regional_team'] = df['agent_name'].map(name_region_map).fillna('ASPAC')

内容的提问来源于stack exchange，提问作者PwrSerg