Pandas中基于同行其他列值更新单元格值的问题求助

先帮你梳理下代码没生效的几个核心问题：

• 循环逻辑错位：你遍历的是datagrouped['List Price Currency']的每个元素，但判断时却拿字符串'List Price Currency'和值做比较，完全没用到每行的实际数据——比如if 'List Price Currency' == "USD"这个判断永远是False，因为字符串本身不等于"USD"。
• 赋值运算符误用：你用了==（比较相等的运算符）而不是=（赋值运算符），就算判断逻辑对了，也只是做了个比较，根本不会修改单元格的值。
• 拼写错误：最后一行的"List Pricy Currency"多了个字母y，应该是"List Price Currency"。
• 低效遍历方式：pandas里尽量别用for循环逐个处理单元格，不仅效率低，还容易出错，用向量化操作才是最佳实践。

下面给你两种贴合需求的实现方式，都是pandas推荐的高效写法：

方法一：用np.select实现多条件优先级映射 #

这种方式适合多条件的优先级判断，咱们先把条件和对应结果按优先级排序（比如先处理GBP、EUR这类特殊币种，再处理Amer，最后用默认值）：

import numpy as np

# 定义条件列表和对应的目标值
conditions = [
    datagrouped['Price Book Name'].str.contains('GBP', na=False),
    datagrouped['Price Book Name'].str.contains('EUR', na=False),
    datagrouped['Price Book Name'].str.contains('Amer', na=False)
]
values = [
    'UK List',
    'Euro List',
    'USD List'
]

# 应用条件，不符合任何条件时用默认值"Intl USD"
datagrouped['List Price Currency'] = np.select(conditions, values, default='Intl USD')

方法二：用loc逐条件赋值 #

这种方式更直观，按顺序给符合条件的行赋值，注意把优先级高的条件放在后面（后面的赋值会覆盖前面的）：

# 先给所有行设置默认值
datagrouped['List Price Currency'] = 'Intl USD'

# 处理包含"Amer"的情况
datagrouped.loc[
    datagrouped['Price Book Name'].str.contains('Amer', na=False),
    'List Price Currency'
] = 'USD List'

# 处理包含"GBP"的情况（优先级高于Amer，所以放在后面覆盖）
datagrouped.loc[
    datagrouped['Price Book Name'].str.contains('GBP', na=False),
    'List Price Currency'
] = 'UK List'

# 处理包含"EUR"的情况（优先级高于Amer）
datagrouped.loc[
    datagrouped['Price Book Name'].str.contains('EUR', na=False),
    'List Price Currency'
] = 'Euro List'

这里的na=False是为了处理Price Book Name列中的空值，避免因空值导致判断结果为NaN。

如果你确实需要基于List Price Currency的原始值再做判断（比如你代码里提到的if 'List Price Currency' == "USD"），可以先复制原始列到临时列，避免修改过程中影响判断逻辑：

# 复制原始列到临时列
datagrouped['Original_Currency'] = datagrouped['List Price Currency'].copy()

# 基于原始值+Price Book Name判断
datagrouped.loc[
    (datagrouped['Original_Currency'] == 'USD') & datagrouped['Price Book Name'].str.contains('Amer', na=False),
    'List Price Currency'
] = 'USD List'

datagrouped.loc[
    (datagrouped['Original_Currency'] == 'USD') & ~datagrouped['Price Book Name'].str.contains('Amer', na=False),
    'List Price Currency'
] = 'Intl USD'

datagrouped.loc[datagrouped['Original_Currency'] == 'GBP', 'List Price Currency'] = 'UK List'
datagrouped.loc[datagrouped['Original_Currency'] == 'EUR', 'List Price Currency'] = 'Euro List'

# 最后删除临时列
datagrouped.drop('Original_Currency', axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者Warthog1