目录
- 1. pandas.replace()介绍
- 2. 单值替换
- 3. 多值替换
- 3.1 多个值替换同一个值
- 3.2 多个值替换不同值
- 4. 模糊查询替换
- 5. 缺失值替换
- 5.1 method的用法 (向前/后填充)
- 5.2 limit的用法 (限制最大填充间隔)
- 补充：使用实例代码
- 总结
1. pandas.replace()介绍
pandas.Series.replace 官方文档
Series.replace(to_replace=None, value=NoDefault.no_default, inplace=False, limit=None, regex=False, method=NoDefault.no_default)
- to_replace: 需要替换的值
- value：替换后的值
- inplace: 是否在原数据表上更改，默认 inplace=False
- limit：向前或向后填充的最大尺寸间隙，用于填充缺失值
- regex: 是否模糊查询，用于正则表达式查找，默认 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. 单值替换
2.1 全局替换
2.2 选定条件替换
df['attr_1'].replace('场景.季节.冬天', '冬天', inplace=True)
3. 多值替换
3.1 多个值替换同一个值
df.replace([3, 11, 137], 4)
3.2 多个值替换不同值
列表List
df.replace([3, 11, 137, 1], [1, 111, 731, 10])
字典映射
# 修改不同列
df.replace({'场景.普通运动.跑步':'跑步', 11:100})
# 修改同一列
df.replace({'attr_1':{'场景.普通运动.跑步':'跑步', '场景.户外休闲.爬山':'爬山'}})
4. 模糊查询替换
df.replace('场景.','', regex=True)
df.replace(regex='场景.', value=' ')
df.replace(regex={'场景.': '', '方案.':''})
df.replace(regex=['场景.', '方案.'], value='')
也可以这样
df['Attr_B'] = df['Attr_B'].str.replace('夹克', '大衣')
df
5. 缺失值替换
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 (限制最大填充间隔)
连着多个空值时，limit为几填充几个
Example
s.replace(np.nan, method='ffill', limit=1)
s.replace(np.nan, method='ffill', limit=2)
补充：使用实例代码
#Series对象值替换
s = df.iloc[2]#获取行索引为2数据
#单值替换
s.replace('?',np.nan)#用np.nan替换？
s.replace({'?':'NA'})#用NA替换？
#多值替换
s.replace(['?',r'$'],[np.nan,'NA'])#列表值替换
s.replace({'?':np.nan,'$':'NA'})#字典映射
#同缺失值填充方法类似
s.replace(['?','$'],method='pad')#向前填充
s.replace(['?','$'],method='ffill')#向前填充
s.replace(['?','$'],method='bfill')#向后填充
#limit参数控制填充次数
s.replace(['?','$'],method='bfill',limit=1)
#DataFrame对象值替换
#单值替换
df.replace('?',np.nan)#用np.nan替换？
df.replace({'?':'NA'})#用NA替换？
#按列指定单值替换
df.replace({'EMPNO':'?'},np.nan)#用np.nan替换EMPNO列中?
df.replace({'EMPNO':'?','ENAME':'.'},np.nan)#用np.nan替换EMPNO列中?和ENAME中.
#多值替换
df.replace(['?','.','$'],[np.nan,'NA','None'])##用np.nan替换？用NA替换. 用None替换$
df.replace({'?':'NA','$':None})#用NA替换？ 用None替换$
df.replace({'?','$'},{'NA',None})#用NA替换？ 用None替换$
#正则替换
df.replace(r'\?|\.|\$',np.nan,regex=True)#用np.nan替换？或.或$原字符
df.replace([r'\?',r'\$'],np.nan,regex=True)#用np.nan替换？和$
df.replace([r'\?',r'\$'],[np.nan,'NA'],regex=True)#用np.nan替换？用NA替换$符号
df.replace(regex={r'\?':None})
#value参数显示传递
df.replace(regex=[r'\?|\.|\$'],value=np.nan)#用np.nan替换？或.或$原字符
总结
提供CDN加速