如何修改pandas DataFrame指定列的所有值？以移除ISSN1列连字符为例

你写的循环没有生效，核心原因有两个：

• 遍历Series拿到的elem是当前单元格值的临时副本，并不是原DataFrame中存储值的引用，对临时变量做重新赋值，完全不会改动原表的内容。
• 逐元素循环本身不是pandas推荐的操作方式，不仅效率低，还很容易出现空值处理错误。

完全不需要写lambda，也不需要手动循环，直接使用pandas内置的向量化字符串方法即可，这套方法会自动兼容列中的NaN值，不会把空值转成字符串形式的"nan"：

# 对ISSN1列执行批量替换，自动跳过所有NaN值
df1['ISSN1'] = df1['ISSN1'].str.replace('-', '', regex=False)

补充说明：

• 加regex=False是为了告诉pandas直接匹配字面量的'-'字符，不需要走正则匹配逻辑，运行速度更快，也能避免不必要的正则转义问题。
• 这套内置方法的底层由C语言实现，处理速度远快于逐行循环的写法。
• 如果运行后提示列不是字符串类型，可以先将列转为pandas的StringDtype类型，再执行替换，全程不需要lambda：

  # 统一将列转为字符串类型，自动保留NaN空值
  df1['ISSN1'] = df1['ISSN1'].astype("string")
  df1['ISSN1'] = df1['ISSN1'].str.replace('-', '', regex=False)
  

如果一定要用循环实现修改，必须修正“临时副本不影响原表”的问题，通过索引定位单元格赋值，才能真正改动df1的内容：

# 仅作原理演示，实际开发请优先使用上方的向量化方法
import pandas as pd
for idx, value in df1['ISSN1'].items():
    # 检测到NaN直接跳过，避免把空值转成"nan"字符串
    if pd.isna(value):
        continue
    df1.at[idx, 'ISSN1'] = str(value).replace('-', '')

注意：这种逐行处理的方式效率极低，对十万行以上的表，运行速度会比内置向量化方法慢两个数量级以上，不推荐在正式场景使用。

内容的提问来源于stack exchange，提问作者Robb1