Pandas DataFrame中score1、score2列整数替换失效问题求助

你遇到的问题核心是对pandas replace() 方法的工作逻辑理解有误：当你传入两个列表作为to_replace和value参数时，它不是按位置一一对应替换元素，而是按值建立映射关系。

比如你的代码中：

df['score1'].replace([33, 48, 25, 33], [1,2,3,4], inplace=True)

pandas会把to_replace列表中的每个值，映射到value列表对应位置的值，但如果to_replace里有重复值（比如两次出现的33），后面的映射会覆盖前面的。最终实际生效的映射是：

• 33 → 4（因为最后一次出现的33对应value里的4）
• 48 → 2
• 25 → 3
  这就导致所有33都被替换成4，和你预期的“第一个33换1，第四个33换4”完全不符，看起来像是出现了“随机数值”。

根据你的需求，分两种场景给出解决方法：

场景1：按值统一替换（所有相同值换成同一个新值） #

如果你想把所有33替换成1、所有48替换成2、所有25替换成3，应该用字典映射的方式，这是replace()处理值替换的标准用法：

# 替换score1：所有33→1，48→2，25→3
df['score1'].replace({33: 1, 48: 2, 25: 3}, inplace=True)
# 替换score2：所有33→1，48→3（注意你原代码里的重复值会被覆盖，这里按你可能的真实需求调整）
df['score2'].replace({33: 1, 48: 3}, inplace=True)

场景2：按位置逐个替换（指定位置的元素换成对应新值） #

如果你确实想按列中元素的位置，把第1个元素换1、第2个换2、第3个换3、第4个换4，那就不能用replace()，而是直接通过索引赋值：

# 按位置替换score1的所有元素
df['score1'].iloc[:] = [1, 2, 3, 4]
# 按位置替换score2的所有元素
df['score2'].iloc[:] = [1, 3, 4, 5]

或者用更明确的行索引赋值（因为你的DataFrame行索引是a,b,d,e）：

df.loc[['a', 'b', 'd', 'e'], 'score1'] = [1, 2, 3, 4]
df.loc[['a', 'b', 'd', 'e'], 'score2'] = [1, 3, 4, 5]

如果你需要按位置替换的效果，完整代码如下：

import pandas as pd
raw_data = {
    "city" : ["new york", "Sydney", "miami", "Rome"],
    "rank": ["1st", "2nd", "2", "3"],
    "score1": [33, 48, 25, 33],
    "score2": [33, 48,33, 48]
}
df = pd.DataFrame(
    raw_data, 
    index=pd.Index(['a', 'b', 'd', 'e'], name='letter'), 
    columns=pd.Index(['city', 'rank', 'score1', 'score2'], name='attributes')
)

# 按位置替换
df['score1'].iloc[:] = [1, 2, 3, 4]
df['score2'].iloc[:] = [1, 3, 4, 5]

print(df)

执行后输出的结果就是你预期的按位置替换后的DataFrame：

attributes       city rank  score1  score2
letter                                    
a            new york  1st       1       1
b              Sydney  2nd       2       3
d               miami    2       3       4
e                Rome    3       4       5

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