遍历数据框中的行并根据其他列更改列的值

Question

假设我有一个名为df的数据框，如下所示：

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

还有一个字典，它以 ID 为键，以位置为值，如下所示：

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_to_place字典中。如果是这样，那么我想用字典值替换该行的列Place。例如，在 runninh 之后，我希望输出的代码是：

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

到目前为止，我已经尝试过这段代码：

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，数据框保持不变。有没有人知道为什么会发生这种情况？我感谢任何帮助！

Answer 1

使用Series.map方法为更换匹配的值，然后替换NaN由原始列S Series.fillna：

df['Place'] = df['Id'].map(id_to_place).fillna(df['Place'])
print (df)
   Id   Place
0   1  Berlin
1   2  Berlin
2   3      NY
3   4   Paris
4   5  Berlin

Answer 2

您当前的方法不起作用，因为字典中的项目是整数，并且您正在对照 str(id) 检查它们，它总是返回 False。如果您删除 str 并仅根据 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)