1. pandas.replace()介紹
2. 單值替換
2.1 全局替換
2.2 選定條件替換
3. 多值替換
3.1 多個值替換同一個值
3.2 多個值替換不同值
4. 模糊查詢替換
5. 缺失值替換
5.1 method的用法 (向前/後填充)
5.2 limit的用法 (限制最大填充間隔)
補充:使用實例代碼
總結
1. pandas.replace()介紹pandas.Series.replace 官方文檔
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:替換後的值
inplace: 是否在原數據表上更改,默認 inplace=False
limit:向前或向後填充的最大尺寸間隙,用於填充缺失值
regex: 是否模糊查詢,用於正則表達式查找,默認 regex=False
method: 填充方式,用於填充缺失值(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: 向後填充
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.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.戶外休閒.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/後填充)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')
向後填充(以他的後一行的值填充)
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數據#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(['?','$'],method='bfill')#向後填充#limit參數控制填充次數s.replace(['?','$'],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 到此這篇關於Python pandas.replace用法的文章就介紹到這了,更多相關Python pandas.replace用法內容請搜索軟件開發網以前的文章或繼續浏覽下面的相關文章希望大家以後多多支持軟件開發網!