如何用Pandas替换CSV指定列并生成新数据集data_2？

嘿，刚学Pandas遇到这种修改列的问题太正常了，我给你两种简单直接的方法来实现需求：

方法一：基于已生成的last_col替换 #

既然你已经得到了处理好的last_col，只需要先复制原数据集避免误改原始数据，再把last_col赋值给新数据集的对应列就行：

import pandas as pd
# 读取原始数据
data = pd.read_csv('filelocation/Data.csv', header=None)
# 生成处理后的last_col
last_col = data.iloc[0:208, 60].replace(['R','M'], [0,1])
# 复制原数据集得到独立的data_2（关键：避免修改原始data）
data_2 = data.copy()
# 将处理好的列替换到data_2的对应位置
data_2.iloc[0:208, 60] = last_col

方法二：一步到位直接处理新数据集 #

如果你不想单独生成last_col，也可以直接在新数据集上完成替换操作，代码更简洁：

import pandas as pd
data = pd.read_csv('filelocation/Data.csv', header=None)
# 复制原数据集并直接替换指定列
data_2 = data.copy()
data_2.iloc[0:208, 60] = data_2.iloc[0:208, 60].replace(['R','M'], [0,1])

小提醒 #

• 一定要用data.copy()创建新数据集，因为Pandas里直接赋值（比如data_2 = data）是引用关系，修改data_2会同步改变原始的data，这通常不是我们想要的结果。
• 你用iloc[0:208,60]定位列是完全正确的，因为header=None时列索引从0开始，第60列就是你要处理的最后一列。

内容的提问来源于stack exchange，提问作者Justin