Python 迭代数据帧中的行，并基于其他列更改列的值

假设我有一个名为df的数据帧，它看起来如下所示：

Id      Place        
1        NY        
2       Berlin          
3       Paris        
4       Paris         
5       Berlin       

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

以及一个字典，其中ID作为键，位置作为值，如下所示：

Id      Place        
1        NY        
2       Berlin          
3       Paris        
4       Paris         
5       Berlin       

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

我想遍历数据帧的每一行，看看ID是否包含在ID\u to\u place字典中。如果是这样，那么我想用dictionary值替换该行的列位置。例如，在运行代码后，我希望输出为：

Id      Place        
1       Berlin       
2       Berlin          
3       NY        
4       Paris         
5       Berlin       

到目前为止，我已经尝试了以下代码：

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

for index,row in df.iterrows():
    id = row['id']
    place = row['place']
    for item in id_to_place:
        if item == str(id):
          df.loc[df.id =id,'place'] = id_to_place[item]

print(df)

但是当我运行代码时，数据帧保持不变。有人知道为什么会这样吗？谢谢你的帮助

用于替换匹配值，然后用原始列替换

NaN

s，替换方式为：

---

您当前的方法不起作用，因为您的字典中的项是整数，并且您正在根据str（id）检查它们，str（id）总是返回False。如果您删除str，只需根据id检查项目，那么它就可以工作

id_to_place = { 1 : "Berlin", 2: "Berlin", 3: "NY"}

for index,row in df.iterrows():
    id = row['id']
    place = row['place']
    for item in id_to_place:
        if item == id: # this line changed
          df.loc[df.id =id,'place'] = id_to_place[item]

print(df)

---

您可以从dict构建一个数据帧，以矢量化的方式分配值：

df1 = pd.DataFrame(list(id_to_place.values()), index=id_to_place.keys(),
           columns=['Place'])
df.set_index('Id', inplace=True)
df.loc[df1.index] = df1.Place
df.reset_index(inplace=True)