pandas使用replace()替换数据后保存csv再读取内容未更新问题

Pandas 的数据处理方法默认不会修改原对象，而是返回修改后的新对象。你现有代码中的 df.replace(numbered, fullname) 没有将返回结果赋值给变量，也没有开启原地修改参数，因此原 df 的数据没有发生任何变化，最终写入 CSV 文件的依然是未替换的编号内容。

两种可直接使用的修复写法：

• 方案1：将替换结果赋值给新变量（更推荐，不会修改原始数据，便于回溯）

import pandas as pd
numbered = [1,2,3,4]
# 注意：如果a/b/c/d是字符串值，需要添加引号包裹，否则会被识别为未定义变量报错
fullname = ['a','b','c','d']
# 接收replace返回的替换后数据
df_replaced = df.replace(numbered, fullname)
# 保存时添加index=False可避免写入多余的索引列，后续读取更方便
df_replaced.to_csv('fullname.csv', index=False)

df_fullname = pd.read_csv('fullname.csv')
df_fullname

• 方案2：开启inplace参数直接修改原DataFrame

import pandas as pd
numbered = [1,2,3,4]
fullname = ['a','b','c','d']
# 添加inplace=True参数，直接修改原df
df.replace(numbered, fullname, inplace=True)
df.to_csv('fullname.csv', index=False)

df_fullname = pd.read_csv('fullname.csv')
df_fullname

• 若你需要只替换指定列的编号值，可以把写法调整为 df['指定列名'] = df['指定列名'].replace(numbered, fullname)，避免误修改其他列的内容。
• inplace 操作风险较高，一旦执行错误无法恢复原始数据，非必要场景优先选择赋值新变量的写法。

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