如何在Python中按嵌套列表映射批量替换DataFrame列值？

我来帮你搞定这个问题！你之前写的循环没生效，核心原因是：遍历df['Country']时拿到的是列元素的副本，修改item变量根本不会同步到原DataFrame里的数据。下面给你几种实用且高效的实现方案：

方法1：转字典+replace矢量化替换（推荐） #

这是最简洁、性能最好的方式，利用pandas的矢量化操作，比循环快得多，尤其适合大数据集：

import pandas as pd

df = pd.read_csv('test.csv')
geos = [['Estados Unidos','US - Estados Unidos'],['Estonia','EE - Estonia']]

# 把嵌套列表转换成「旧值:新值」的映射字典
geo_mapping = {old_val: new_val for old_val, new_val in geos}
# 批量替换指定列的匹配值
df['Country'] = df['Country'].replace(geo_mapping)

执行后，原DataFrame里的Estados Unidos会被替换成US - Estados Unidos，不在映射列表里的Perú会保持原样。

方法2：用loc索引精准修改（循环版） #

如果一定要用循环实现，得通过索引定位到原DataFrame的行来修改，而不是修改遍历出来的副本：

import pandas as pd

df = pd.read_csv('test.csv')
geos = [['Estados Unidos','US - Estados Unidos'],['Estonia','EE - Estonia']]

for old_val, new_val in geos:
    # 用loc定位所有匹配旧值的行，直接修改Country列
    df.loc[df['Country'] == old_val, 'Country'] = new_val

这种方式虽然能生效，但数据量大时效率不如方法1，不推荐优先使用。

方法3：apply自定义替换逻辑 #

如果你的映射规则更复杂（比如需要模糊匹配），可以用apply自定义函数处理：

import pandas as pd

df = pd.read_csv('test.csv')
geos = [['Estados Unidos','US - Estados Unidos'],['Estonia','EE - Estonia']]

def replace_country(country_name):
    for old_val, new_val in geos:
        if country_name == old_val:
            return new_val
    return country_name  # 没有匹配到就返回原值

df['Country'] = df['Country'].apply(replace_country)

这种方式灵活性高，但同样不如矢量化操作高效。

内容的提问来源于stack exchange，提问作者user9371527