replace-替換2019/1/4

1.函數(shù)：?

df.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad') #value替換給定的值to_replace # replace動態(tài)替換不同于.loc更新（需指定要更新的位置）參數(shù)： to_replace：str，regex，list，dict，Series，int，float或None#將被替換的值1）numeric，str或regex：等于或匹配的值將被替換2）str，regex或numeric列表：# to_replace和value都是列表長度必須相同# regex=True兩列表中字符串都被解釋為正則表達式，否則將直接匹配。3）字典：# 直接替換：to_replace= {'a': 'b', 'y': 'z'}，value=None# 指定列：{'A': 0, 'B': 5}, value # 用值替換A，B列中的數(shù)值# 嵌套的典：{'A': {'b':np.nan}}) # A列b被None替換，b可是RE,A不可以；value=None：標量，字典，列表，str，正則表達式；#要替換的值 inplace=False #True就地修改 limit=None：int#向前或向后填充的數(shù)量regex=False：bool或與to_replace相同的類型;正則表達式# to_replace=r'^ba.$', value=str, regex=True# to_replace={'A': r'^ba.$'}, value={'A': str}, regex=True# regex=r'^ba.$', value=str #regex為字符串to_replace必為None# regex={r'^ba.$':str, 'foo':str}# regex=[r'^ba.$', str], value=strmethod='pad'：{'pad'，'ffill'，'bfill'，None}#用前面或后面的值替換

2.實例1：??

# 實例1.1：to_replace=標量；value=標量 s = pd.Series([0, 1, 2, 3, 4]) df = pd.DataFrame({'A': [0,1,2,3,4], 'B': [5,6,7,8,9],'C': ['a','b','c','d','e']})s.replace(0, 5) # 用5替換0 df.replace(0, 5) # 用5替換0# 實例1.2：to_replace=列表；value=標量或列表 df.replace([0, 1, 2, 3], 4) # 用4替換0,1,2,3,4 df.replace([0, 1, 2, 3], [4, 3, 2, 1]) # 4,3,2,1分別替換0,1,2,3# 實例1.3：to_replace=dict；value=None或標量 df.replace({0: 10, 1: 100}) # 10替換0,100替換1 df.replace({'A': 0, 'B': 5}, 100) # A列0，B列5都用100替換 df.replace({'A': {0: 100, 4: 400}}) # A列0被100替換，4被400替換s.replace([1, 2], method='bfill') # 后項替換即用3替換1,2df = pd.DataFrame({'A': [1,2,3,4,5,6], 'B': [-1,10,11,12,12,14]}) df.replace({1: 10, 2000: 60, 30: -30, 40: -40}) # 實例2：正則表達式：?? df = pd.DataFrame({'A': ['bat', 'foo', 'bait'],'B': ['abc', 'bar', 'xyz']})result1=df.replace(to_replace=r'^ba.$', value='new', regex=True)#結果同下 result1=df.replace(regex=r'^ba.$', value='new') #等價 result2=df.replace({'A': r'^ba.$'}, {'A': 'new'}, regex=True) result3=df.replace(regex={r'^ba.$':'new', 'foo':'xyz'}) result4=df.replace(regex=[r'^ba.$', 'foo'], value='new')# result1 result2 result3 result4A B A B A B A B 0 new abc 0 new abc 0 new abc 0 new abc 1 foo new 1 foo bar 1 xyz new 1 new new 2 bait xyz 2 bait xyz 2 bait xyz 2 bait xyz # 實例3：替換bool或datetime64數(shù)據(jù)類型必須匹配? df = pd.DataFrame({'A': [True, False, True],'B': [False, True, False]}) df.replace({'a string': 'new value', True: False}) # 錯誤數(shù)據(jù)類型不匹配 #實例4 method? s = pd.Series([0, 1, 2, 3, 4]) result1=s.replace([2,3],method='pad') result1=s.replace([2,3],method='ffill') result2=s.replace([2,3],method='bfill')# s result1 result2 0 0 0 0 0 0 1 1 1 1 1 1 2 2 2 1 2 4 3 3 3 1 3 4 4 4 4 4 4 4 dtype: int64 dtype: int64 dtype: int64 #實例5? s = pd.Series([1, 'a', 'a', 'b', 'a'])result1=s.replace('a', None) result1=s.replace(to_replace='a', value=None, method='pad') #等價 result2=s.replace({'a': None}) result2=s.replace(to_replace={'a': None}, value=None, method=None)#等價# s result1 result2 0 1 0 1 0 1 1 a 1 1 1 None 2 a 2 1 2 None 3 b 3 b 3 b 4 a 4 b 4 None dtype: object dtype: object dtype: object

總結

以上是生活随笔為你收集整理的pandas39 replace替换数值( tcy）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。