Python 根据另一个序列的条件，使用字典替换序列对象中的项

我有一个包含一系列州和国家的数据框。国家/地区系列缺少多个值。我有一本美国各州的字典，我用它来整理各州系列。我想用它来表示，如果国家在字典中，那么国家应该是美国

我可以使用映射到美国的州词典，即

{'AL'：'USA'，'AK'：'USA'…}

然后使用

df['Country']=df['Country'].map（dict）

但我相信有更好/更聪明/更简单的方法来实现这一点

我试过这个：

test = df[['State', 'Country']]
for a, b in test.itertuples(index=False):
    if a in us_state_abbrev.values():
        b = "USA"
    elif a in ca_province_abbrev.values():
        b = "Canada"

其中

test.head（）

返回：

         State       Country
0          MO           NaN
1          IA           USA
2          MI           NaN
3          AB        Canada
4          ON        Canada

和

us_state_abbrev={'Alabama'：'AL'，'Alaska'：'AK'…}

尽管if-else语句有效，但没有任何变化。为什么呢

我也试过：

test['Country'] = np.where(test['State'] in us_state_abbrev.values(), "USA", test['Country'])

---

但我得到了一个ValueError：级数的真值是模糊的。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。为什么会这样？

不要在中使用

。您需要使用
np.where

us_state_abbrev = {'Alabama': 'AL', 'Alaska': 'AK', 'IOWA': 'IA', 'Mississippi': 'MI', 'Missouri': 'MO'}

test['Country'] = np.where(test['State'].isin(us_state_abbrev.values()), "USA", test['Country'])

Out[143]:
  State Country
0    MO     USA
1    IA     USA
2    MI     USA
3    AB  Canada
4    ON  Canada

如果您只有两个选项是“美国”或“加拿大”，因此您可以确保在多个国家/地区中没有出现含糊不清的州缩写，那么使用
map（）
是非常合适的。至于你的具体语法错误：如果你发布一个复制你的错误的代码的工作示例，你会得到更好的响应，不要让我们猜测你的数据帧中有什么。谢谢@Jewly，但是使用state_abbrev字典，而不是创建一个全新的{state:USA}字典，难道不应该有更简单的方法吗？为了澄清，我将编辑问题以显示test.head（）