如何在Pandas中对Series执行字符串的条件替换操作？

针对你提到的需求，我整理了几种实用的方式来实现Pandas Series里的字符串条件替换，结合你给出的示例DataFrame来演示会更直观：

首先先还原你的示例数据：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'key': ['A', 'B', 'C', 'A', 'B', 'C'], 
     'data1': range(6), 
     'data2': ['A1', 'B1', 'C1', 'A1', 'B1', 'C1']}, 
    columns=['key', 'data1', 'data2']
)

初始数据如下：

1. 基于行条件的精准替换（针对特定行的字符串替换） #

如果你只想对满足某一行条件的Series进行替换（比如只替换key为'A'的行里的'A1'），可以用loc定位行再执行str.replace：

# 只替换key为'A'的行中的data2列的'A1'为'Bad'
df.loc[df['key'] == 'A', 'data2'] = df.loc[df['key'] == 'A', 'data2'].str.replace('A1', 'Bad')

执行后结果：

2. 用numpy.where实现灵活的字符串匹配条件替换 #

如果你的条件是基于字符串本身的特征（比如包含某个字符、匹配正则），可以用np.where来判断替换：

# 替换所有data2中包含'A'的字符串为'Bad'
df['data2'] = np.where(df['data2'].str.contains('A'), 'Bad', df['data2'])

执行后结果和上面一致。你也可以结合正则写更复杂的条件，比如替换以'A'开头的字符串：

df['data2'] = np.where(df['data2'].str.match('^A'), 'Bad', df['data2'])

3. 使用Series.mask方法实现条件替换 #

mask方法的逻辑是：当条件为True时，用指定值替换原数据，否则保留原内容，适合反向条件的场景：

# 当data2等于'A1'时，替换为'Bad'
df['data2'] = df['data2'].mask(df['data2'] == 'A1', 'Bad')

执行后结果和第一种方法完全一致。

4. 多条件多替换规则的场景 #

如果需要同时处理多个替换规则，且只针对满足特定行条件的记录，可以结合loc和字典式replace：

# 只替换data1大于2的行，将A1→Bad，B1→Good，C1→Great
df.loc[df['data1'] > 2, 'data2'] = df.loc[df['data1'] > 2, 'data2'].replace(
    {'A1': 'Bad', 'B1': 'Good', 'C1': 'Great'}
)

执行后结果：

内容的提问来源于stack exchange，提问作者SBad