替换 Pandas DataFrame 中的列值
Mohamed Ayman
2023年10月10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