【无标题】

lcdx3721

已于 2023-01-18 11:12:22 修改

阅读量252

点赞数

CC 4.0 BY-SA版权

文章标签： pandas python 数据分析

于 2022-09-17 17:54:21 首次发布

本文链接：https://blog.youkuaiyun.com/lcdx3721/article/details/126908490

Pandas DataFrame 中的列值替换的几种方法## Pandas DataFrame 中的列值替换的几种方法

使用 map() 方法替换 Pandas 中的列值
在 Pandas 中使用 loc 方法替换列的值
在 Pandas DataFrame 中用条件替换列值
使用 replace() 方法修改数值
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：

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。
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)
      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



    教程列表
    技巧贴士
    函数参考

    Python Pandas Howtos
        如何将 Pandas DataFrame 列标题获取为列表
        如何删除 Pandas DataFrame 列
        如何在 Pandas 中将 DataFrame 列转换为日期时间
        如何在 Pandas DataFrame 中将浮点数转换为整数
        如何按一列的值对 Pandas DataFrame 进行排序
        如何用 group-by 和 sum 获得 Pandas 总和
        如何将 Python 字典转换为 Pandas DataFrame
        如何获得 Pandas 列中元素总和

    贴士文章 Python Pandas Howtos 替换 Pandas DataFrame 中的列值 

替换 Pandas DataFrame 中的列值

创建时间: December-19, 2020 | 更新时间: February-28, 2021

    使用 map() 方法替换 Pandas 中的列值
    在 Pandas 中使用 loc 方法替换列的值
    在 Pandas DataFrame 中用条件替换列值
    使用 replace() 方法修改数值

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：

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

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：

condition：这个参数返回使条件为真的值。
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)
      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，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)
      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。
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)
例子如：

import pandas as pd

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

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

print(df)    
  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)
      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)
      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)
     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)
      name  salary
0     karl     750
1   lionel     800
2     jack    1400
3  jasmine    1400