pandas的替换和部分替换（replace）

您所在的位置：网站首页 › 矩阵字母替换法 › pandas的替换和部分替换（replace）

pandas的替换和部分替换（replace）

2023-09-12 08:56| 来源: 网络整理| 查看: 265

在处理数据的时候，很多时候会遇到批量替换的情况，如果一个一个去修改效率过低，也容易出错。 replace()是很好的方法。

日期高温低温风向强度2019-01-01-7℃-17℃西南风1级2019-01-02-3℃-16℃东南风1级2019-01-032℃-10℃西南风1级2019-01-04-2℃-15℃西南风1级2019-01-05-5℃-15℃东北风1级2019-01-06-5℃-16℃西南风1级2019-01-07-2℃-16℃西南风1级2019-01-08-5℃-15℃东北风2级2019-01-090℃-7℃东南风2级2019-01-104℃-10℃东南风1级

一、导入数据

import pandas as pd # 引入pandas df = pd.read_excel("tianqi.xlsx") # 导入文件 df.set_index("日期", inplace = True) # 日期列设置为index print(df)

日期高温低温风向强度 2019-01-01 -7℃ -17℃ 西南风 1级 2019-01-02 -3℃ -16℃ 东南风 1级 2019-01-03 2℃ -10℃ 西南风 1级 2019-01-04 -2℃ -15℃ 西南风 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 西南风 1级 2019-01-07 -2℃ -16℃ 西南风 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ 东南风 2级 2019-01-10 4℃ -10℃ 东南风 1级

二、替换全部 replace的基本结构是：df.replace(to_replace, value) 前面是需要替换的值，后面是替换后的值。

df.replace("-7℃","【一朵】")

这样Python就会搜索整个DataFrame并将文档中所有的“-7℃”替换成“【一朵】”。要注意这样的操作并没有改变文档的源数据，要改变源数据需要使用inplace = True

df.replace("-7℃","【一朵】",inplace = True)

日期高温低温风向强度 2019-01-01 【一朵】 -17℃ 西南风 1级 2019-01-02 -3℃ -16℃ 东南风 1级 2019-01-03 2℃ -10℃ 西南风 1级 2019-01-04 -2℃ -15℃ 西南风 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 西南风 1级 2019-01-07 -2℃ -16℃ 西南风 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ 【一朵】东南风 2级 2019-01-10 4℃ -10℃ 东南风 1级

三、替换某列里的内容，而不改变其它列仅将[“高温”]列的“-7℃”替换成“【一朵】”

df["高温"].replace("-7℃","【一朵】",inplace = True)

日期高温低温风向强度 2019-01-01 【一朵】 -17℃ 西南风 1级 2019-01-02 -3℃ -16℃ 东南风 1级 2019-01-03 2℃ -10℃ 西南风 1级 2019-01-04 -2℃ -15℃ 西南风 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 西南风 1级 2019-01-07 -2℃ -16℃ 西南风 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ 东南风 2级 2019-01-10 4℃ -10℃ 东南风 1级

四、替换某列数据的部分内容将[“高温”]列的“℃”替换成“"，达到删除效果。 .astype(“int32”)转换为数字。

df["高温"] = df["高温"].str.replace("℃","").astype("int32")

日期高温低温风向强度 2019-01-01 -7 -17℃ 西南风 1级 2019-01-02 -3 -16℃ 东南风 1级 2019-01-03 2 -10℃ 西南风 1级 2019-01-04 -2 -15℃ 西南风 1级 2019-01-05 -5 -15℃ 东北风 1级 2019-01-06 -5 -16℃ 西南风 1级 2019-01-07 -2 -16℃ 西南风 1级 2019-01-08 -5 -15℃ 东北风 2级 2019-01-09 0 -7℃ 东南风 2级 2019-01-10 4 -10℃ 东南风 1级

查看数据类型

print(df.dtypes)

高温 int32 低温 object 风向 object 强度 object dtype: object

注意：使用str.replace时不能使用inplace = True参数，因此需要改成赋值。赋值的时候不要忘了是列的赋值而不是整个表格的赋值。请体会下面的区别。

df = df["高温"].str.replace("℃","").astype("int32")

日期 2019-01-01 -7 2019-01-02 -3 2019-01-03 2 2019-01-04 -2 2019-01-05 -5 2019-01-06 -5 2019-01-07 -2 2019-01-08 -5 2019-01-09 0 2019-01-10 4 Name: 高温, dtype: int32 五、替换某行内容将[“2019-01-01”]行的“西南风"替换成“【一朵】"。

df.loc["2019-01-01"].replace("西南风","【一朵】", inplace = True)

日期高温低温风向强度 2019-01-01 -7℃ -17℃ 【一朵】 1级 2019-01-02 -3℃ -16℃ 东南风 1级 2019-01-03 2℃ -10℃ 西南风 1级 2019-01-04 -2℃ -15℃ 西南风 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 西南风 1级 2019-01-07 -2℃ -16℃ 西南风 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ 东南风 2级 2019-01-10 4℃ -10℃ 东南风 1级

将"2019-01-01"到"2019-01-03"里面的"西南风"替换为"【一朵】"

df.loc["2019-01-01":"2019-01-03"].replace("西南风","【一朵】", inplace = True)

日期高温低温风向强度 2019-01-01 -7℃ -17℃ 【一朵】 1级 2019-01-02 -3℃ -16℃ 东南风 1级 2019-01-03 2℃ -10℃ 【一朵】 1级 2019-01-04 -2℃ -15℃ 西南风 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 西南风 1级 2019-01-07 -2℃ -16℃ 西南风 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ 东南风 2级 2019-01-10 4℃ -10℃ 东南风 1级 D:\ProgramData\Anaconda3\lib\site-packages\pandas\core\frame.py:4172: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy method=method, 可以正常显示结果，但是有很多提示，我看不懂。大概是不建议这么使用。

六、替换指定的某一个或多个值（用字典、列表的形式）用字典替换多个数值，比较容易理解，字典里的键作为原值，字典里的值作为替换的新值。

df.replace({"西南风":"【一】","东南风":"【朵】"}, inplace = True)

日期高温低温风向强度 2019-01-01 -7℃ -17℃ 【一】 1级 2019-01-02 -3℃ -16℃ 【朵】 1级 2019-01-03 2℃ -10℃ 【一】 1级 2019-01-04 -2℃ -15℃ 【一】 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 【一】 1级 2019-01-07 -2℃ -16℃ 【一】 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ 【朵】 2级 2019-01-10 4℃ -10℃ 【朵】 1级

用列表的形式替换多个数值，前面列表保存原值，后面列表保存新值。

df.replace(["西南风","东南风"],["【一】","【朵】"], inplace = True)

替换的新值是相同的，还可以这样使用：

df.replace(["西南风","东南风"],"【一朵】", inplace = True)

日期高温低温风向强度 2019-01-01 -7℃ -17℃ 【一朵】 1级 2019-01-02 -3℃ -16℃ 【一朵】 1级 2019-01-03 2℃ -10℃ 【一朵】 1级 2019-01-04 -2℃ -15℃ 【一朵】 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ 【一朵】 1级 2019-01-07 -2℃ -16℃ 【一朵】 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ 【一朵】 2级 2019-01-10 4℃ -10℃ 【一朵】 1级

七、使用正则表达式替换正则表达式可以实现一次替换很多个有规律的不同值先将“西南风”、“东南风”替换为英文字母，用于演示

df["风向"].replace(["西南风","东南风"],["A","C"], inplace = True)

日期高温低温风向强度 2019-01-01 -7℃ -17℃ A 1级 2019-01-02 -3℃ -16℃ C 1级 2019-01-03 2℃ -10℃ A 1级 2019-01-04 -2℃ -15℃ A 1级 2019-01-05 -5℃ -15℃ 东北风 1级 2019-01-06 -5℃ -16℃ A 1级 2019-01-07 -2℃ -16℃ A 1级 2019-01-08 -5℃ -15℃ 东北风 2级 2019-01-09 0℃ -7℃ C 2级 2019-01-10 4℃ -10℃ C 1级

然后将英文字母替换为“【一朵】”，使用正则表达式的时候记得后面加 regex=True参数

df["风向"].replace("[A-Z]","【一朵】", regex = True, inplace = True)

八、使用条件替换判断[“高温”] 列的字符串为 “-5℃"时，将本行的 [“风向”]列，替换为”【一朵】"

df.loc[df["高温"] == "-5℃", "风向"] = "【一朵】"

日期高温低温风向强度 2019-01-01 -7℃ -17℃ 西南风 1级 2019-01-02 -3℃ -16℃ 东南风 1级 2019-01-03 2℃ -10℃ 西南风 1级 2019-01-04 -2℃ -15℃ 西南风 1级 2019-01-05 -5℃ -15℃ 【一朵】 1级 2019-01-06 -5℃ -16℃ 【一朵】 1级 2019-01-07 -2℃ -16℃ 西南风 1级 2019-01-08 -5℃ -15℃ 【一朵】 2级 2019-01-09 0℃ -7℃ 东南风 2级 2019-01-10 4℃ -10℃ 东南风 1级

也可以用数字做判断条件先将[“高温”]列转换为数字

df["高温"] = df["高温"].str.replace("℃","").astype("int32")

判断[“高温”]列数值 >=0 时，将本行的 [“风向”]列，替换为 “【一朵】”

df.loc[df["高温"] >= 0, "风向"] = "【一朵】"

日期高温低温风向强度 2019-01-01 -7 -17℃ 西南风 1级 2019-01-02 -3 -16℃ 东南风 1级 2019-01-03 2 -10℃ 【一朵】 1级 2019-01-04 -2 -15℃ 西南风 1级 2019-01-05 -5 -15℃ 东北风 1级 2019-01-06 -5 -16℃ 西南风 1级 2019-01-07 -2 -16℃ 西南风 1级 2019-01-08 -5 -15℃ 东北风 2级 2019-01-09 0 -7℃ 【一朵】 2级 2019-01-10 4 -10℃ 【一朵】 1级

多条件替换也可以判断[“高温”]列数值 >=0 并且 [“强度”]列字符串为"2级"时，将本行的 [“风向”]列，替换为 “【一朵】”。注意&前后的筛选条件用（）括起来

df.loc[(df["高温"] >= 0) & (df["强度"] == "2级"), "风向"] = "【一朵】"

九、使用函数替换 lambda函数也适合用来筛选并替换，达到和上面条件筛选一样的效果

df.loc[lambda df : (df["高温"] >= 0) & (df["强度"] == "1级"), "风向"] = "【一朵】"

自定义函数的筛选并替换，效果也是一样的。 ……暂时还没有学会

replace()

既可以替换某列，也可以替换某行，还可以全表替换 df.replace() 或者 df[col]replace()

参数如下： df.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method=‘pad’,)

参数说明： to_replace：被替换的值 value：替换后的值 inplace：是否要改变原数据，False是不改变，True是改变，默认是False limit：控制填充次数 regex：是否使用正则,False是不使用，True是使用，默认是False method：填充方式，pad,ffill,bfill分别是向前、向前、向后填充

【本文地址】

pandas的替换和部分替换（replace）

pandas的替换和部分替换（replace）

今日新闻

推荐新闻