Python 与外部列表中的元素相比，如何仅更改熊猫的系列值？

我有一个要保留在列名中的引用词列表，如果值不属于列表中排除的元素，则用其他替换该值。以下是我的想法：

list_excluded = ['egWord1', 'egWord2']

df['new'] = df['old']

# I only want to change values in 'new' column to 'other' if the value is not 'egWord1' or 'egWord2'
df.loc[df['new'] == 'other', df['columnName']] = list_excluded

您可以使用“申请”进行类似操作：

代码：

测试代码：

结果:

您可以使用“申请”进行类似操作：

代码：

测试代码：

结果:

---

在没有任何样本数据或所需输出的情况下很难做到这一点，但听起来好像您正在尝试选择列表中不存在的值，然后将df['new']设置为'other'。对吗？如果是，请尝试以下方法：

df.loc[~df['columnName'].isin(list_excluded), df['new']] = 'other'

---

这是假设您已经完成了查找，而另一个答案中包含了两个步骤

在没有任何样本数据或所需输出的情况下很难做到这一点，但听起来好像您试图选择列表中不存在的值，然后将df['new']设置为'other'。对吗？如果是，请尝试以下方法：

df.loc[~df['columnName'].isin(list_excluded), df['new']] = 'other'

---

这是假设您已经完成了查找，而另一个答案中包含了两个步骤

稍微快一点的解决方案：

df['new'] = np.where(~df.old.isin(list_excluded), 'other', df.old)

---

稍微快一点的解决方案：

df['new'] = np.where(~df.old.isin(list_excluded), 'other', df.old)

---

我不使用in，而是使用not，这是我的意图。谢谢。我用的不是in，而是not，这是我的意图。谢谢

df['new'] = np.where(~df.old.isin(list_excluded), 'other', df.old)