迹忆客 专注技术分享

在本教程文章中，我们将介绍如何在 Pandas DataFrame 中替换列值。我们将介绍三种不同的函数来轻松替换列值。

使用 map() 方法替换 Pandas 中的列值

DataFrame 的列是 Pandas 的 Series。我们可以使用 map 方法将列中的每个值替换为另一个值。

Series.map() 语法

Series.map(arg, na_action=None)

• 参数：

1. arg：这个参数用于映射一个 Series。它可以是一个集合或一个函数。
2. na_action：na_action 用于处理 NaN（非数字）值。它可以取两个值-None 或 ignore。None 是默认值，map() 将把映射应用于所有值，包括 Nan 值；ignore 将 NaN 值留在列中，而不传递给映射方法。

它返回一个具有相同索引的 Series。

现在让我们举个例子来实现 map 方法。我们将在下面的例子中使用相同的 DataFrame。

import pandas as pd
import numpy as np

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "city": ["berlin", "paris", "roma", np.nan],
}
df = pd.DataFrame(data, columns=["name", "city"])

print(df)

输出：

      name    city
0  michael  berlin
1    louis   paris
2     jack    roma
3  jasmine     NaN

在 Pandas DataFrame 中用集合替换列值

import pandas as pd
import numpy as np

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "city": ["berlin", "paris", "roma", np.nan],
}
df = pd.DataFrame(data, columns=["name", "city"])

# replace column values with collection

df["city"] = df["city"].map(
    {"berlin": "dubai", "paris": "moscow", "roma": "milan", np.nan: "NY"},
    na_action=None,
)

print(df)

输出：

      name    city
0  michael   dubai
1    louis  moscow
2     jack   milan
3  jasmine      NY

原 DataFrame 中的 city 列值被替换为字典中的新值，作为 map() 方法的第一个参数。

在 Pandas DataFrame 中用函数替换列值

import pandas as pd
import numpy as np

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "city": ["berlin", "paris", "roma", np.nan],
}
df = pd.DataFrame(data, columns=["name", "city"])

# replace column values with function

df["city"] = df["city"].map("I am from {}".format)

print(df)

输出：

      name              city
0  michael  I am from berlin
1    louis   I am from paris
2     jack    I am from roma
3  jasmine     I am from nan

na_action 默认为 None，所以原列中的 NaN 也被替换为新的字符串 I am from nan。

如果你想保留 NaN 但不被替换，可以将 na_action 设置为 ignore。

import pandas as pd
import numpy as np

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "city": ["berlin", "paris", "roma", np.nan],
}
df = pd.DataFrame(data, columns=["name", "city"])

# replace column values excluding NaN

df["city"] = df["city"].map("I am from {}".format, na_action="ignore")

print(df)

输出：

      name              city
0  michael  I am from berlin
1    louis   I am from paris
2     jack    I am from roma
3  jasmine               NaN

在 Pandas 中使用 loc 方法替换列的值

另一种替换 Pandas DataFrame 列值的方法是 DataFrame 中的 loc() 方法，loc() 方法通过其标签访问值。

DataFrame.loc[] 语法

pandas.DataFrame.loc[condition, column_label] = new_value

• 参数：

1. condition：这个参数返回使条件为真的值。
2. column_label：该参数用于指定要更新的目标列。

通过参数确定值后，我们将其更新为 new_value。

现在我们举个例子来实现 loc 方法。我们将以下面的 DataFrame 为例。

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "grades": [30, 70, 40, 80],
    "result": ["N/A", "N/A", "N/A", "N/A"],
}

df = pd.DataFrame(data, columns=["name", "grades", "result"])

print(df)

输出：

      name  grades result
0  michael      30    N/A
1    louis      70    N/A
2     jack      40    N/A
3  jasmine      80    N/A

在 Pandas DataFrame 中用条件替换列值

我们可以使用布尔条件来指定目标元素。

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "grades": [30, 70, 40, 80],
    "result": ["N/A", "N/A", "N/A", "N/A"],
}

df = pd.DataFrame(data, columns=["name", "grades", "result"])

df.loc[df.grades > 50, "result"] = "success"

df.loc[df.grades < 50, "result"] = "fail"

print(df)

输出：

      name  grades   result
0  michael      30     fail
1    louis      70  success
2     jack      40     fail
3  jasmine      80  success

df.loc[df.grades>50, 'result']='success'如果 grades 的值大于 50，则值用 sucess 替换。

df.loc[df.grades<50,'result']='fail'如果 grades 值小于 50，则值用 fail 替换。

使用 replace() 方法修改数值

在 Pandas DataFrame 中替换列值的另一种方法是 Series.replace() 方法。

Series.replace() 语法

• 替换一个单一数值

df[column_name].replace([old_value], new_value)

• 用相同的值替换多个值

df[column_name].replace([old_value1, old_value2, old_value3], new_value)

• 用多个数值代替多个数值

df[column_name].replace(
    [old_value1, old_value2, old_value3], [new_value1, new_value2, new_value3]
)

• 用整个 DataFrame 的新值替换一个值。

df.replace([old_value], new_value)

我们将在剩下的例子中使用下面的 DataFrame。

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "salary": [700, 800, 1000, 1200],
}

df = pd.DataFrame(data, columns=["name", "salary"])

print(df)

输出：

      name  salary
0  michael     700
1    louis     800
2     jack    1000
3  jasmine    1200

在 Pandas DataFrame 中用多个值替换列值

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "salary": [700, 800, 1000, 1200],
}

df = pd.DataFrame(data, columns=["name", "salary"])

df["name"] = df["name"].replace(["michael", "louis"], ["karl", "lionel"])

print(df)

输出：

      name  salary
0     karl     700
1   lionel     800
2     jack    1000
3  jasmine    1200

在 Pandas DataFrame 中仅用相同的值替换列值

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "salary": [700, 800, 1000, 1200],
}

df = pd.DataFrame(data, columns=["name", "salary"])

df["salary"] = df["salary"].replace([1000, 1200], 1500)

print(df)

输出：

      name  salary
0     karl     700
1   lionel     800
2     jack    1500
3  jasmine    1500

在 Pandas DataFrame 中用一个值替换列值

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "salary": [700, 800, 1000, 1200],
}

df = pd.DataFrame(data, columns=["name", "salary"])

df["salary"] = df["salary"].replace([700], 750)

print(df)

输出：

      name  salary
0     karl     750
1   lionel     800
2     jack    1000
3  jasmine    1200

替换整个 Pandas DataFrame 中的值

import pandas as pd

data = {
    "name": ["michael", "louis", "jack", "jasmine"],
    "salary": [700, 800, 1000, 1000],
}

df = pd.DataFrame(data, columns=["name", "salary"])


df = df.replace([1000], 1400)

print(df)

输出：

      name  salary
0     karl     750
1   lionel     800
2     jack    1400
3  jasmine    1400