Pandas教程-Pandas DataFrame.replace()
Pandas 的 replace() 是一个非常丰富的函数,用于从 DataFrame 中替换 字符串,正则表达式,字典,列表 和 系列。DataFrame 的值可以动态地替换为其他值。它能够与 Python 正则表达式一起使用。
这与使用 .loc 或 .iloc 进行更新不同,后者需要您指定要用某个值进行更新的位置。
语法:
DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad', axis=None)
参数:
- to_replace: 定义我们要在 DataFrame 中替换的模式。
- value: 用于填充 DataFrame 中空洞的值(例如 0),或者是一个指定每列使用哪个值的字典(不在字典中的列将不被填充)。 它还允许诸如正则表达式、字符串、列表或字典等对象。
- inplace: 如果为 True,则在原地替换。
注意: 如果为 True,它还将修改此对象的任何其他视图(例如,DataFrame 的列)。如果为 True,则返回调用者。
- limit: 定义前向或后向填充的最大大小间隙。
- regex: 它检查是否将 to_replace 和/或 value 解释为正则表达式。如果为 True,则 to_replace 必须是一个字符串。否则,to_replace 必须为 None,因为此参数将被解释为正则表达式或正则表达式列表、字典或数组。
- method: 当 to_replace 是一个列表时,它是用于替换的方法。
返回: 在替换后返回一个 DataFrame 对象。
示例1:
import pandas as pd
info = pd.DataFrame({'Language known': ['Python', 'Android', 'C', 'Android', 'Python', 'C++', 'C']},
index=['Parker', 'Smith', 'John', 'William', 'Dean', 'Christina', 'Cornelia'])
print(info)
dictionary = {"Python": 1, "Android": 2, "C": 3, "Android": 4, "C++": 5}
info1 = info.replace({"Language known": dictionary})
print("\n\n")
print(info1)
输出
Language known
Parker Python
Smith Android
John C
William Android
Dean Python
Christina C++
Cornelia C
Language known
Parker 1
Smith 4
John 3
William 4
Dean 1
Christina 5
Cornelia 3
示例2:
下面的示例在 DataFrame 中用另一个值替换一个值。
import pandas as pd
info = pd.DataFrame({
'name':['Parker','Smith','John'],
'age':[27,34,31],
'city':['US','Belgium','London']
})
info.replace([29],38)
输出
name age City
0 Parker 27 US
1 Smith 34 Belgium
2 John 38 London
示例3:
下面的示例使用字典替换值:
import pandas as pd
info = pd.DataFrame({
'name':['Parker','Smith','John'],
'age':[27,34,31],
'city':['US','Belgium','London']
})
info.replace({
34:29,
'Smith':'William'
})
输出
name age City
0 Parker 27 US
1 William 29 Belgium
2 John 31 London
示例4:
下面的示例使用正则表达式替换值:
import pandas as pd
info = pd.DataFrame({
'name':['Parker','Smith','John'],
'age':[27,34,31],
'city':['US','Belgium','London']
})
info.replace('Sm.+','Ela',regex=True)
输出
name age City
0 Parker 27 US
1 Ela 34 Belgium
2 John 31 London