Python Pandas dataframe.replace()

Pandas dataframe.replace()函数用于在Python中从Pandas Dataframe中替换一个字符串，regex，列表，字典，系列，数字等。在对整个DataFrame进行彻底搜索后，所提供数值的每个实例都会被替换。

语法: DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method=’pad’, axis=None)

参数:

• to_replace : [str, regex, list, dict, Series, numeric, or None] 我们试图在数据框架中替换的模式。
• value：用于填充孔的值（例如0），也可以是一个值的dict，指定每一列使用的值（不在dict中的列不会被填充）。也允许使用正则表达式、字符串和列表或此类对象的dict。
• inplace : 如果是真的，就地取材。注意：这将修改此对象上的任何其他视图（例如，来自DataFrame的列）。如果为真，返回调用者。
• limit：向前或向后填充的最大尺寸差距
• regex : 是否将to_replace和/或value解释为正则表达式。如果是True，那么to_replace必须是一个字符串。否则，to_replace必须是None，因为这个参数将被解释为正则表达式或正则表达式的列表、dict或数组。
• method : 替换时使用的方法，当to_replace是一个列表时。

返回：填充：NDFrame

示例:

在这里，我们要用60来代替49.50。

import pandas as pd
  
df = {
  "Array_1": [49.50, 70],
  "Array_2": [65.1, 49.50]
}
  
data = pd.DataFrame(df)
  
print(data.replace(49.50, 60))

输出:

   Array_1  Array_2
0     60.0     65.1
1     70.0     60.0

Pandas dataframe.replace()的使用方法

在这里，我们将看到dataframe.replace()方法的实现。

关于代码中使用的CSV文件的链接，请点击这里

# importing pandas as pd
import pandas as pd
  
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
  
# Printing the first 10 rows of the data frame for visualization
df[:10]

输出:

示例 1:

我们将在’df’数据框架中用 “欧米茄勇士 “替换 “波士顿凯尔特人 “队。

# this will replace "Boston Celtics" with "Omega Warrior"
df.replace(to_replace="Boston Celtics",
           value="Omega Warrior")

输出:

示例 2:

一次替换一个以上的值。使用python列表作为参数 我们将在’df’数据框架中用 “Omega Warrior “替换球队 “Boston Celtics “和 “Texas”。

# importing pandas as pd
import pandas as pd
  
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
  
# this will replace "Boston Celtics" and "Texas" with "Omega Warrior"
df.replace(to_replace=["Boston Celtics", "Texas"],
           value="Omega Warrior")

输出:

注意第一行的学院栏，”德克萨斯 “已被替换为 “欧米茄勇士”。

示例 3:

用-99999的值替换数据框中的Nan值。

# importing pandas as pd
import pandas as pd
  
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
  
# will replace Nan value in dataframe with value -99999
df.replace(to_replace = np.nan, value =-99999)

输出:

注意数据框中的所有Nan值都被-99999所取代。虽然在实际操作中，我们应该注意用什么值来替换Nan值。