快捷導(dǎo)航

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(guān)于Python?pandas.replace用法的相關(guān)資料,需要的朋友可以參考下

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：替換后的值
inplace: 是否在原數(shù)據(jù)表上更改，默認(rèn) 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(dá)式查找，默認(rèn) 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(bǔ)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