替换 Pandas DataFrame 中的列值
Mohamed Ayman
2023年1月30日
2020年12月19日
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)
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:
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)
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