Python?pandas.replace的用法詳解
更新時間：2022年06月24日 10:30:47 作者：羊羊豬
在處理數(shù)據(jù)的時候,很多時候會遇到批量替換的情況,如果一個一個去修改效率過低,也容易出錯,replace()是很好的方法,下面這篇文章主要給大家介紹了關于Python?pandas.replace用法的相關資料,需要的朋友可以參考下
1. pandas.replace()介紹
Series.replace(to_replace=None, value=NoDefault.no_default, inplace=False, limit=None, regex=False, method=NoDefault.no_default)
- to_replace: 需要替換的值
- value：替換后的值
- inplace: 是否在原數(shù)據(jù)表上更改，默認 inplace=False
- limit：向前或向后填充的最大尺寸間隙，用于填充缺失值
- regex: 是否模糊查詢，用于正則表達式查找，默認 regex=False
- method: 填充方式，用于填充缺失值(The method to use when for replacement, when to_replace is a scalar, list or tuple and value is None.)
- pad: 向前填充
- ffill: 向前填充
- bfill: 向后填充
Example
2. 單值替換
2.1 全局替換
df.replace(1, 10)
2.2 選定條件替換
df['attr_1'].replace('場景.季節(jié).冬天', '冬天', inplace=True)
3. 多值替換
3.1 多個值替換同一個值
df.replace([3, 11, 137], 4)
3.2 多個值替換不同值
列表List
df.replace([3, 11, 137, 1], [1, 111, 731, 10])
字典映射
# 修改不同列
df.replace({'場景.普通運動.跑步':'跑步', 11:100})
# 修改同一列
df.replace({'attr_1':{'場景.普通運動.跑步':'跑步', '場景.戶外休閑.爬山':'爬山'}})
4. 模糊查詢替換
df.replace('場景.','', regex=True)
df.replace(regex='場景.', value=' ')
df.replace(regex={'場景.': '', '方案.':''})
df.replace(regex=['場景.', '方案.'], value='')
也可以這樣
df['Attr_B'] = df['Attr_B'].str.replace('夾克', '大衣')
df
5. 缺失值替換
5.1 method的用法 (向前/后填充)
Example
向前填充（以他的前一行的值填充）
s.replace(np.nan, method='pad') s.replace(np.nan, method='ffill')
向后填充（以他的后一行的值填充）
s.replace(np.nan, method='bfill')
5.2 limit的用法 (限制最大填充間隔)
連著多個空值時，limit為幾填充幾個
Example
s.replace(np.nan, method='ffill', limit=1)
s.replace(np.nan, method='ffill', limit=2)
補充：使用實例代碼
#Series對象值替換
s = df.iloc[2]#獲取行索引為2數(shù)據(jù)
#單值替換
s.replace('?',np.nan)#用np.nan替換？
s.replace({'?':'NA'})#用NA替換？
#多值替換
s.replace(['?',r'$'],[np.nan,'NA'])#列表值替換
s.replace({'?':np.nan,'$':'NA'})#字典映射
#同缺失值填充方法類似
s.replace(['?','$'],method='pad')#向前填充
s.replace(['?','$'],method='ffill')#向前填充
s.replace(['?','$'],method='bfill')#向后填充
#limit參數(shù)控制填充次數(shù)
s.replace(['?','$'],method='bfill',limit=1)
#DataFrame對象值替換
#單值替換
df.replace('?',np.nan)#用np.nan替換？
df.replace({'?':'NA'})#用NA替換？
#按列指定單值替換
df.replace({'EMPNO':'?'},np.nan)#用np.nan替換EMPNO列中?
df.replace({'EMPNO':'?','ENAME':'.'},np.nan)#用np.nan替換EMPNO列中?和ENAME中.
#多值替換
df.replace(['?','.','$'],[np.nan,'NA','None'])##用np.nan替換？用NA替換. 用None替換$
df.replace({'?':'NA','$':None})#用NA替換？ 用None替換$
df.replace({'?','$'},{'NA',None})#用NA替換？ 用None替換$
#正則替換
df.replace(r'\?|\.|\$',np.nan,regex=True)#用np.nan替換？或.或$原字符
df.replace([r'\?',r'\$'],np.nan,regex=True)#用np.nan替換？和$
df.replace([r'\?',r'\$'],[np.nan,'NA'],regex=True)#用np.nan替換？用NA替換$符號
df.replace(regex={r'\?':None})
#value參數(shù)顯示傳遞
df.replace(regex=[r'\?|\.|\$'],value=np.nan)#用np.nan替換？或.或$原字符總結
到此這篇關于Python pandas.replace用法的文章就介紹到這了,更多相關Python pandas.replace用法內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Python實現(xiàn)subprocess執(zhí)行外部命令
Python使用最廣泛的是標準庫的subprocess模塊，使用subprocess最簡單的方式就是用它提供的便利函數(shù)，因此執(zhí)行外部命令優(yōu)先使用subprocess模塊，下面就一起來了解一下如何使用2021-05-05
GUI圖形用戶界面是一種允許用戶通過圖形元素（如圖標、按鈕、窗口等）與電子設備進行交互的用戶界面,下面這篇文章主要給大家介紹了關于Python中常用的GUI(圖形用戶界面)庫用法的相關資料,需要的朋友可以參考下2024-08-08
這篇文章主要給大家介紹了關于Python學習筆記之視頻人臉檢測識別的相關資料，文中通過示例代碼以及圖文介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2019-03-03
Python列表切片賦值是一種將一個列表的特定部分替換為新的元素的操作,本文主要介紹了python列表的切片賦值實現(xiàn),具有一定的參考價值,感興趣的可以了解一下2024-03-03
在win10和linux上分別安裝Python虛擬環(huán)境的方法步驟
這篇文章主要介紹了在win10和linux上分別安裝Python虛擬環(huán)境的方法步驟,虛機環(huán)境有非常多的優(yōu)點，今天我們用的虛擬環(huán)境是virtualenv。感興趣的小伙伴們可以參考一下2019-05-05
這篇文章主要介紹了基于python代碼批量處理圖片resize，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
本文主要介紹了Python中可以用三種方法判斷文件是否存在，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-06-06
這篇文章主要介紹了python 如何實現(xiàn)aes256加密，幫助大家更好的理解和學習python，感興趣的朋友可以了解下2020-11-11
本文主要介紹了Python復制文件的9個方法小結,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2025-01-01
這篇文章主要介紹了python 協(xié)程 gevent原理與用法,結合實例形式分析了Python協(xié)程gevent相關概念、原理、安裝及使用操作技巧,需要的朋友可以參考下2019-11-11