使用Pandas修改DataFrame中某一列的值
寫這篇博客主要是因為在修改DataFrame列值的時候經(jīng)常遇到bug，但到目前還沒把這種錯誤復(fù)現(xiàn)出來。
DataFrame是Pandas中的主要數(shù)據(jù)結(jié)構(gòu)之一，本篇博客主要介紹如何DataFrame中某一列的值進行修改。
1 常規(guī)方法
這部分主要介紹修改DataFrame列值的常規(guī)方法。為了方便后續(xù)說明先構(gòu)建如下數(shù)據(jù)：
import pandas as pd
import numpy as np
df=pd.DataFrame([['A',1],['B',2],['C',5],['D',4],['E',10],['F',13],['G',8]],
columns=['col_1','col_2'],
index=list('abcdefg'))
df結(jié)果如下：
- 使用常量修改DataFrame列的值
使用一個常量對DataFrame列中的數(shù)據(jù)進行修改時，代碼舉例如下：
df1=df.copy() df1['col_1']='H' df1.loc[['a','c','d'],'col_2']=100 #將指定索引的列值進行修改 df1.iloc[4:,-1]=200
df1的結(jié)果如下：
- 使用List\array修改DataFrame列的值
當(dāng)需要對DataFrame列中的多個值進行修改時，可以使用List或array等變量型數(shù)據(jù)來對其進行修改。具體代碼如下：
df2=df.copy() df2['col_1']=list(range(7)) df2.loc[df2.index<='d','col_2']=np.array([15,20,25,30]) df2.iloc[4:,-1]=np.array([10,5,0])
df2的結(jié)果如下：
- 使用Series/DataFrame修改DataFrame列的值
除了以上兩種數(shù)據(jù)類型之外，還可以使用Series型數(shù)據(jù)來修改DataFrame列的值。但使用這種方法時，需要索引對齊，否則會出錯。具體舉例如下：
df3=df.copy()
df3['col_1']=pd.Series([1,2,3,4,5,6,7]) #索引不對齊時不會報錯，但沒有成功修改列值。
df3.loc[['a','b','c'],'col_2']=pd.Series([100,200,300],index=list('abc'))
df3.iloc[3:,-1]=pd.DataFrame([[4000],[5000],[6000],[7000]],index=list('cdef'))
其結(jié)果如下：
2. replace方法
DataFrame對象自帶的方法replace()也可以實現(xiàn)列值的修改。該方法中的參數(shù)主要有以下幾個：
| 參數(shù) | 作用 |
|---|---|
| to_replace | 確定需要修改列值的數(shù)據(jù)?？山邮艿臄?shù)據(jù)類型有：str, regex, list, dict, Series, int, float, or None |
| value | 指定修改后的值?？山邮艿臄?shù)據(jù)類型有：scalar, dict, list, str, regex, default None |
| inplace | 是否本地置換 |
| limit | 指定前后填充的最大次數(shù) |
| regex | 正則表達式符號。如果需要在to_replace中使用字符串形式的正則表達式對數(shù)據(jù)進行篩選的話，需要將其設(shè)置為True。 |
| method | 填充方式。‘pad’, ‘ffill’, ‘bfill’, None |
創(chuàng)建如下數(shù)據(jù)，具體如下：
df=pd.DataFrame([['A','A'],['B','B'],['C',5],['D',4]],
columns=['col_1','col_2'],
index=list('abcd'))
df的結(jié)果如下：
- 對整個DataFrame中的指定數(shù)據(jù)進行替換
#A替換為aaa,B替換為bbb,4替換為100
df_1=df.replace(to_replace=['A','B',4],value=['aaa','bbb',100])
#將A替換為AAAA
df_2=df.replace(to_replace='A',value='AAAA')
#將A替換為AAAAA,5替換為2000
df_3=df.replace(to_replace={"A":'AAAAA',5:2000})
其結(jié)果如下：
- 對DataFrame中的不同列指定不同的替換方式
#對于col_1列：將A替換為1，B替換為2
#對于col_2列：將A替換為100，B替換為200
df_4=df.replace({"col_1":{'A':1,'B':2},"col_2":{"A":100,"B":200}})
其結(jié)果如下：
- 使用正則表達式篩選數(shù)據(jù)
#將A\B替換成new df_5=df.replace(to_replace=r'[AB]',value='new',regex=True)
其結(jié)果如下：
補充：DataFrame修改某一行某一列的值[坑點]
# df.iloc[index]['column_name'] = val 這種方式是錯誤的 df['column_name'].iloc[i] = val # 正確
總結(jié)
到此這篇關(guān)于使用Pandas修改DataFrame中某一列值的文章就介紹到這了,更多相關(guān)Pandas修改DataFrame某一列的值內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python實現(xiàn)RabbitMQ的消息隊列的示例代碼
這篇文章主要介紹了python實現(xiàn)RabbitMQ的消息隊列的示例代碼，總結(jié)了RabbitMQ中三種exchange模式的實現(xiàn)，分別是fanout, direct和topic。感興趣的小伙伴們可以參考一下2018-11-11
這篇文章主要介紹了Python 迭代的相關(guān)資料，幫助大家更好的理解和學(xué)習(xí)python開發(fā)，感興趣的朋友可以了解下2020-09-09
OpenCV-Python直方圖均衡化實現(xiàn)圖像去霧
直方圖均衡化可以達到增強圖像顯示效果的目的。最常用的比如去霧。本文就來實現(xiàn)直方圖均衡化實現(xiàn)圖像去霧，感興趣的可以了解一下2021-06-06
Python+opencc庫實現(xiàn)簡體繁體字轉(zhuǎn)換
opencc就是一個非常好的中文字轉(zhuǎn)換庫,其中包含了非常豐富的對應(yīng)字詞表,本文主要介紹了如何使用opencc庫實現(xiàn)簡體繁體字轉(zhuǎn)換,感興趣的可以了解下2024-11-11
這篇文章主要介紹了Python程序與服務(wù)器連接的WSGI接口,是Python網(wǎng)絡(luò)編程學(xué)習(xí)當(dāng)中的重要內(nèi)容,需要的朋友可以參考下2015-04-04
python數(shù)據(jù)可視化pygal模擬擲骰子實現(xiàn)示例
這篇文章主要為大家介紹了python數(shù)據(jù)可視化pygal模擬擲骰子實現(xiàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-06-06
在本篇文章里小編給大家整理了一篇關(guān)于django中顯示字符串的實例方法，有興趣的朋友們可以跟著學(xué)習(xí)參考下。2021-03-03
python用selenium打開chrome瀏覽器保持登錄方式
大家好，本篇文章主要講的是python用selenium打開chrome瀏覽器保持登錄方式，感興趣的同學(xué)趕快來看一看吧，對你有幫助的話記得收藏一下2022-02-02
源代碼目錄一般很詳細，每個代碼文件都不長，一般只占幾十行而已。在跟著書籍學(xué)習(xí)的過程中，可以打開源代碼運行之后查看效果，或者適當(dāng)修改看看變化，這都是很好的掌握技術(shù)的好辦法。2011-03-03
這篇文章主要介紹了Python中用format函數(shù)格式化字符串的用法,格式化字符串是Python學(xué)習(xí)當(dāng)中的基礎(chǔ)知識,希望能夠給你帶來幫助2021-10-10