如何在Pandas DataFrame中将含美国州代码的位置替换为USA？

这里有个简洁高效的方法来处理你的Pandas DataFrame中的location列，完美匹配你的需求：

步骤1：定义美国州缩写列表 #

首先，我们需要完整的美国州两字母缩写列表，确保不会遗漏任何可能的匹配项：

# 完整的美国州两字母缩写列表
state_list = ['AL', 'AK', 'AZ', 'AR', 'CA', 'CO', 'CT', 'DE', 'FL', 'GA',
              'HI', 'ID', 'IL', 'IN', 'IA', 'KS', 'KY', 'LA', 'ME', 'MD',
              'MA', 'MI', 'MN', 'MS', 'MO', 'MT', 'NE', 'NV', 'NH', 'NJ',
              'NM', 'NY', 'NC', 'ND', 'OH', 'OK', 'OR', 'PA', 'RI', 'SC',
              'SD', 'TN', 'TX', 'UT', 'VT', 'VA', 'WA', 'WV', 'WI', 'WY']

步骤2：构造正则匹配模式 #

我们用正则表达式的单词边界（\b）来确保只匹配独立的州代码，避免误匹配类似"Cambridge"里的"CA"这种情况：

import re

# 构造正则模式，支持不区分大小写匹配
pattern = re.compile(r'\b(' + '|'.join(state_list) + r')\b', re.IGNORECASE)

步骤3：批量替换符合条件的位置值 #

利用Pandas的向量化操作（比逐行apply更高效），创建匹配掩码并替换值：

import pandas as pd

# 假设你的DataFrame名为tweets_df
# 创建掩码：匹配含州代码的非空值
mask = tweets_df['location'].str.contains(pattern, na=False)

# 将匹配的条目替换为"USA"
tweets_df.loc[mask, 'location'] = 'USA'

关键细节说明 #

• re.IGNORECASE：确保不区分大小写，比如"scottsdale, az"或"Mission Viejo, CA"都能被匹配
• na=False：空值（NaN）不会被替换，保持原样
• 单词边界\b：避免误匹配嵌入在单词中的州代码（比如"California"里的"CA"不会被误判）

测试效果 #

假设你的原始数据是：

处理后会变成：

内容的提问来源于stack exchange，提问作者scatter