Pandas中Replace函數(shù)使用那些事兒
一、Series 數(shù)據(jù)替換s.str.replace()
s.sr.replace(pat,repl,n=-1,case=None,flags=0,regex=None)
函數(shù)詳解：
| pat | 要查找的字符串 |
| repl | 替換的字符串，可以調(diào)用函數(shù) |
| n | 要進(jìn)行的替換數(shù)，默認(rèn)全部 |
| case | 是否區(qū)分大小寫 |
| flags | re模塊中的標(biāo)志 |
| regex | 是否設(shè)置為正則表達(dá)式 |
1. 普通查找替換
將曹操替換為劉備
import pandas as pd
s=pd.Series(['曹操','大喬','小喬'])
s.str.replace('曹操','劉備')
2.正則表達(dá)式替換
將字符串中的‘~’和‘/’替換為'-'
import pandas as pd
s=pd.Series(['2022-5-5','2022/5/6','2022~6~9'])
s.str.replace('[~/]','-',regex=True)
3. 預(yù)編譯好的正則表達(dá)式替換
將字符串中的‘~’和‘/’替換為'-'
import pandas as pd
import re
s=pd.Series(['2022-5-5','2022/5/6','2022~6~9'])
pat=re.compile('[~/]')
s.str.replace(pat,'-',regex=True)
4. 函數(shù)替換
給Series中的人名添加括號(hào)；人名和日期之間添加‘-’
import pandas as pd
import re
s=pd.Series(['Aaron2022-5-5','Bob2022-5-6','judy2022-6-9'])
s.str.replace('[a-zA-Z]+',lambda x: '('+x[0]+')'+'-',regex=True)
5. 分組替換
殊途同歸，分組替換可以實(shí)現(xiàn)與函數(shù)替換一樣的目的；
s=pd.Series(['Aaron2022-5-5','Bob2022-5-6','judy2022-6-9'])
s.str.replace('([a-zA-Z]+)',r"【\1】-",regex=True)
二、DataFrame 數(shù)據(jù)替換 df.replace()
df.replace(to_replace=None,value=None,inplace=False,limit=None,regex=False,method='pad)
函數(shù)詳解：
| to_replace | 查找要替換的值 |
| value | 替換與查找匹配的值 |
| inplace | 修改原數(shù)據(jù) |
| limit | 向前或向后填充的最大尺寸間隙 |
| regex | 是否支持正則表達(dá)式 |
| method | 替換方法 |
1. 單值替換
寫入實(shí)例數(shù)據(jù)：
df=pd.DataFrame({'英雄屬性':['刺客','射手','法師','戰(zhàn)士','輔助'],
'紅方英雄':['荊軻','鹵蛋','甄姬','夏侯惇','項(xiàng)羽'],
'紅方傷害':[11.20,15.34,8.57,6.98,3.69],
'紅方死亡次數(shù)':['1次','10次','8次','5次','6次'],
'藍(lán)方英雄':['趙云','馬克','干將','呂布','劉禪'],
'藍(lán)方傷害':[10.82,11.36,10.87,9.69,6.53],
'藍(lán)方死亡次數(shù)':['5次','8次','4次','7次','10次']})
df
將荊軻替換為孫悟空；
df.replace('荊軻','孫悟空')
2. 列表替換
多個(gè)值替換單個(gè)值，將趙云和馬克替換為孫策
df.replace(['趙云','馬克'],'孫策')
多個(gè)值替換多個(gè)值，將趙云和馬克替換為橘右京和虞姬；
查找值放在一個(gè)列表里，替換值放在一個(gè)列表里，需要一一對(duì)應(yīng)；
df.replace(['趙云','馬克'],['橘右京','虞姬'])
3.字典替換
（1）字典替換，將趙云和馬克替換為橘右京和虞姬
傳入字典的鍵為要查找的值，值為要替換的值；
df.replace({
'趙云':'橘右京',
'馬克':'虞姬'
})（2）指定列替換
將紅方英雄甄姬替換為貂蟬，項(xiàng)羽替換為鐘馗；藍(lán)方英雄呂布替換為孫策，干將替換為楊玉環(huán)；
df.replace({
'紅方英雄':{
'甄姬':'貂蟬',
'項(xiàng)羽':'鐘馗'
},
'藍(lán)方英雄':{
'呂布':'孫策',
'干將':'楊玉環(huán)'
}
})
（3）多列替換
將紅方傷害11.2，藍(lán)方傷害11.36，9.69替換為9.999
df.replace({'紅方傷害':11.2,'藍(lán)方傷害':[11.36,9.69]},9.999)
三、DataFrame 正則替換
1. 正則表達(dá)式‘零寬斷言’介紹
| 名稱 | 表達(dá)式 | 解釋 |
| 零寬正向先行斷言 | (?=exp) | 匹配后面是exp表達(dá)式的字符串 |
| 零寬負(fù)向先行斷言 | (?!exp) | 匹配后面不是exp表達(dá)式的字符串 |
| 零寬正向后行斷言 | (?<=exp) | 匹配前面是exp表達(dá)式的字符串 |
| 零寬負(fù)向后行斷言 | (?<!exp) | 匹配前面不是exp表達(dá)式的字符串 |
2. 單值正則替換
在紅方死亡次數(shù)和藍(lán)方死亡次數(shù)數(shù)字和‘次’之間添加‘-’
df.replace(
to_replace='(^\d+)(?=\D)',
value=r'\1-',
regex=True
)3. 列表正則替換
列表替換，給紅方英雄添加‘【】’
df['紅方英雄']=df['紅方英雄'].replace(
regex=['^','$'],
value=['【','】'],
)
df
4. 字典正則替換
字典正則替換，給藍(lán)方英雄添加‘[]’
df.replace(
regex={
'藍(lán)方英雄':{'^':'[','$':']'}
})
四、DataFrame替換實(shí)例應(yīng)用
原數(shù)據(jù)如下：英雄信息列后面數(shù)字為編號(hào)；
df=pd.DataFrame({'英雄屬性':['刺客','射手','法師','戰(zhàn)士','輔助'],
'英雄信息':['荊軻36','鹵蛋1','甄姬6','夏侯惇10','項(xiàng)羽66'],
'紅方英雄':['荊軻','鹵蛋','甄姬','夏侯惇','項(xiàng)羽'],
'紅方傷害':[11.20,15.34,8.57,6.98,3.69],
'紅方死亡次數(shù)':['1次','10次','8次','5次','6次'],
'藍(lán)方英雄':['趙云','馬克','干將','呂布','劉禪'],
'藍(lán)方傷害':[10.82,11.36,10.87,9.69,6.53],
'藍(lán)方死亡次數(shù)':['5次','8次','4次','7次','10次']})
df
1.將編號(hào)統(tǒng)一為四位數(shù)字，不足四位的使用0補(bǔ)齊；
df['英雄信息'].str.replace(
pat='(\d+)',
repl=lambda x: '0'*(4-len(x[0]))+x[0],
regex=True
)
2. 給編號(hào)前面加上Timi，并使用‘-’分隔
df['英雄信息']=df['英雄信息'].str.replace(
pat='(\d+)',
repl=lambda x: '-Timi'+'0'*(4-len(x[0]))+x[0],
regex=True
)
df
總結(jié)
到此這篇關(guān)于Pandas中Replace函數(shù)使用的文章就介紹到這了,更多相關(guān)Pandas Replace函數(shù)使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
詳解如何用django實(shí)現(xiàn)redirect的幾種方法總結(jié)
這篇文章主要介紹了如何用django實(shí)現(xiàn)redirect的幾種方法總結(jié)，詳細(xì)的介紹3種實(shí)現(xiàn)方式，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2018-11-11
小編給大家整理了python3的reduce函數(shù)詳細(xì)用法以及相關(guān)的技巧，需要的朋友們參考一下吧。2017-12-12
這篇文章主要給大家介紹了關(guān)于如何使用Python批量拼接圖片的相關(guān)資料,文中主要用的是PIL庫(kù),PIL庫(kù)是一個(gè)具有強(qiáng)大圖像處理能力的第三方庫(kù),不僅包含了豐富的像素、色彩操作功能,還可以用于圖像歸檔和批量處理,需要的朋友可以參考下2023-05-05
python皮爾遜相關(guān)性數(shù)據(jù)分析分析及實(shí)例代碼
這篇文章主要為大家介紹了python皮爾遜相關(guān)性分析及實(shí)例代碼，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-02-02
本文介紹了 Python中的pprint模塊，pprint模塊包含一個(gè)“美觀打印機(jī)”，用于生成數(shù)據(jù)結(jié)構(gòu)的一個(gè)美觀的視圖。格式化工具會(huì)生成數(shù)據(jù)結(jié)構(gòu)的一些表示，不僅能夠由解釋器正確地解析，還便于人閱讀。輸出會(huì)盡可能放在一行上，分解為多行時(shí)會(huì)縮進(jìn)，想了解具體內(nèi)容請(qǐng)參考下文2021-11-11
在本篇文章里小編給大家整理的是關(guān)于Python變量作用域的相關(guān)知識(shí)點(diǎn)內(nèi)容，需要的朋友們可以學(xué)習(xí)下。2020-06-06
Python設(shè)計(jì)模式之解釋器模式原理與用法實(shí)例分析
這篇文章主要介紹了Python設(shè)計(jì)模式之解釋器模式原理與用法,結(jié)合具體實(shí)例形式分析了解釋器模式的概念、原理、定義及使用方法,需要的朋友可以參考下2019-01-01
這篇文章主要介紹了Python3遍歷目錄樹實(shí)現(xiàn)方法,涉及Python目錄樹的遍歷操作技巧,需要的朋友可以參考下2015-05-05
pip?install?python-Levenshtein失敗的解決
這篇文章主要介紹了pip?install?python-Levenshtein失敗的解決方案，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-02-02
這篇文章主要介紹了Python的Flask框架中web表單的教程,表單是學(xué)習(xí)各個(gè)web框架中的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-04-04