当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python pandas.Series.replace用法及代码示例


用法:

Series.replace(to_replace=None, value=NoDefault.no_default, inplace=False, limit=None, regex=False, method=NoDefault.no_default)

将 to_replace 中给出的值替换为 value 。

系列的值被动态替换为其他值。

这与使用 .loc 或 .iloc 更新不同，后者要求您指定要使用某个值更新的位置。

参数：

to_replace：str、regex、list、dict、Series、int、float 或 None

如何找到将被替换的值。

  • 数字、str 或正则表达式：

    • numeric:numeric values equal to to_replace will be replaced with value

    • str:string exactly matching to_replace will be replaced with value

    • regex:regexs matching to_replace will be replaced with value

  • str、正则表达式或数字的列表：

    • First, if to_replace and value are both lists, they must be the same length.

    • Second, if regex=True then all of the strings in both lists will be interpreted as regexs otherwise they will match directly. This doesn’t matter much for value since there are only a few possible substitution regexes you can use.

    • str, regex and numeric rules apply as above.

  • 字典：

    • Dicts can be used to specify different replacement values for different existing values. For example, {'a':'b', 'y':'z'} replaces the value ‘a’ with ‘b’ and ‘y’ with ‘z’. To use a dict in this way the value parameter should be None.

    • For a DataFrame a dict can specify that different values should be replaced in different columns. For example, {'a':1, 'b':'z'} looks for the value 1 in column ‘a’ and the value ‘z’ in column ‘b’ and replaces these values with whatever is specified in value. The value parameter should not be None in this case. You can treat this as a special case of passing two lists except that you are specifying the column to search in.

    • For a DataFrame nested dictionaries, e.g., {'a':{'b':np.nan}}, are read as follows:look in column ‘a’ for the value ‘b’ and replace it with NaN. The value parameter should be None to use a nested dict in this way. You can nest regular expressions as well. Note that column names (the top-level dictionary keys in a nested dictionary) cannot be regular expressions.

  • None:

    • This means that the regex argument must be a string, compiled regular expression, or list, dict, ndarray or Series of such elements. If value is also None then this must be a nested dictionary or Series.

有关每个示例，请参见示例部分。

value：标量、字典、列表、str、正则表达式、默认无

用于替换与 to_replace 匹配的任何值的值。对于 DataFrame，可以使用值的字典来指定每列使用哪个值(不在字典中的列将不会被填充)。也允许此类对象的正则表达式、字符串和列表或字典。

inplace：布尔值，默认为 False

如果为 True，则就地执行操作并返回 None。

limit：整数，默认无

向前或向后填充的最大尺寸间隙。

regex：

bool 或与 to_replace 相同的类型，默认为 False

是否翻译to_replace和/或value作为正则表达式。如果这是True然后to_replace 必须成为一个字符串。或者，这可以是一个正则表达式或一个列表、字典或正则表达式数组，在这种情况下to_replace一定是None.

method：

{‘pad’, ‘ffill’, ‘bfill’, None }

当 to_replace 是标量、列表或元组且 value 是 None 时，使用的替换方法。

返回：

Series

替换后的对象。

抛出：

AssertionError

  • 如果 regex 不是 bool 并且 to_replace 不是 None 。

TypeError

  • 如果 to_replace 不是标量，则 array-like、dict 或 None

  • 如果 to_replace 是 dict 并且 value 不是 list 、 dict 、 ndarray 或 Series

  • 如果 to_replace 是 None 并且 regex 不能编译为正则表达式或者是列表、字典、ndarray 或系列。

  • 当替换多个 bool 或 datetime64 对象并且 to_replace 的参数与被替换值的类型不匹配时

ValueError

  • 如果将 list 或 ndarray 传递给 to_replace 和 value 但它们的长度不同。

注意：

  • 使用 re.sub 在后台执行正则表达式替换。 re.sub 的替换规则相同。

  • 正则表达式只会替换字符串，这意味着您不能提供例如匹配浮点数的正则表达式并期望框架中具有数字 dtype 的列被匹配。但是，如果这些浮点数是字符串，那么您可以这样做。

  • 这种方法有很多选择。我们鼓励您尝试和使用这种方法，以直观地了解它是如何工作的。

  • 当dict用作to_replace值时，就好像dict中的key(s)是to_replace部分，dict中的value(s)是value参数。

例子：

标量`to_replace`和`value`

>>> s = pd.Series([1, 2, 3, 4, 5])
>>> s.replace(1, 5)
0    5
1    2
2    3
3    4
4    5
dtype:int64
>>> df = pd.DataFrame({'A':[0, 1, 2, 3, 4],
...                    'B':[5, 6, 7, 8, 9],
...                    'C':['a', 'b', 'c', 'd', 'e']})
>>> df.replace(0, 5)
    A  B  C
0  5  5  a
1  1  6  b
2  2  7  c
3  3  8  d
4  4  9  e

List-like`to_replace`

>>> df.replace([0, 1, 2, 3], 4)
    A  B  C
0  4  5  a
1  4  6  b
2  4  7  c
3  4  8  d
4  4  9  e
>>> df.replace([0, 1, 2, 3], [4, 3, 2, 1])
    A  B  C
0  4  5  a
1  3  6  b
2  2  7  c
3  1  8  d
4  4  9  e
>>> s.replace([1, 2], method='bfill')
0    3
1    3
2    3
3    4
4    5
dtype:int64

dict-like`to_replace`

>>> df.replace({0:10, 1:100})
        A  B  C
0   10  5  a
1  100  6  b
2    2  7  c
3    3  8  d
4    4  9  e
>>> df.replace({'A':0, 'B':5}, 100)
        A    B  C
0  100  100  a
1    1    6  b
2    2    7  c
3    3    8  d
4    4    9  e
>>> df.replace({'A':{0:100, 4:400}})
        A  B  C
0  100  5  a
1    1  6  b
2    2  7  c
3    3  8  d
4  400  9  e

正则表达式`to_replace`

>>> df = pd.DataFrame({'A':['bat', 'foo', 'bait'],
...                    'B':['abc', 'bar', 'xyz']})
>>> df.replace(to_replace=r'^ba.$', value='new', regex=True)
        A    B
0   new  abc
1   foo  new
2  bait  xyz
>>> df.replace({'A':r'^ba.$'}, {'A':'new'}, regex=True)
        A    B
0   new  abc
1   foo  bar
2  bait  xyz
>>> df.replace(regex=r'^ba.$', value='new')
        A    B
0   new  abc
1   foo  new
2  bait  xyz
>>> df.replace(regex={r'^ba.$':'new', 'foo':'xyz'})
        A    B
0   new  abc
1   xyz  new
2  bait  xyz
>>> df.replace(regex=[r'^ba.$', 'foo'], value='new')
        A    B
0   new  abc
1   new  new
2  bait  xyz

比较s.replace({'a':None}) 和s.replace('a', None) 的行为以了解to_replace 参数的特性：

>>> s = pd.Series([10, 'a', 'a', 'b', 'a'])

当使用字典作为to_replace 值时，就像字典中的值等于value 参数一样。 s.replace({'a':None}) 等价于 s.replace(to_replace={'a':None}, value=None, method=None) ：

>>> s.replace({'a':None})
0      10
1    None
2    None
3       b
4    None
dtype:object

当value 未显式传递且to_replace 是标量、列表或元组时，replace 使用方法参数(默认为‘pad’)进行替换。所以这就是为什么在这种情况下，‘a’ 值在第 1 行和第 2 行中被替换为 10，在第 4 行中被替换为 ‘b’。

>>> s.replace('a')
0    10
1    10
2    10
3     b
4     b
dtype:object

另一方面，如果 None 显式传递给 value ，它将被尊重：

>>> s.replace('a', None)
0      10
1    None
2    None
3       b
4    None
dtype:object

相关用法


注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.Series.replace。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。