Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Синтаксис метода замены Pandas
  • Загрузка образца DataFrame
  • Замените одно значение в столбце DataFrame Pandas
  • Замените несколько значений одним и тем же значением в кадре данных Pandas
  • Замените несколько значений разными значениями в кадре данных Pandas
  • Заменить значения во всем кадре данных
  • Замена значений регулярными выражениями (регулярные выражения)
  • Замените значения на месте с помощью Pandas
  • Использование словарей для замены значений с помощью Pandas replace
  • Заключение
  • Дополнительные ресурсы
  1. Учебники по Pandas и Numpy
  2. Pandas

Pandas replace() – Замена значений в DataFrame Pandas

В этом посте вы узнаете, как использовать метод .replace() Pandas для замены данных в вашем DataFrame. Метод DataFrame.replace() Pandas может быть использован для замены строки, значений и даже регулярных выражений (regex) в вашем DataFrame.

Обновление на 2023 год

Весь пост был переписан, чтобы сделать содержание более понятным и легким для восприятия. Теперь в учебнике также рассматривается параметр method=, а также предоставлена шпаргалка по использованию функции (см. ниже).

Быстрый ответ:

# Replace a Single Value
df['Age'] = df['Age'].replace(23, 99)

# Replace Multiple Values
df['Age'] = df['Age'].replace([23, 45], [99, 999])

# Also works in the Entire DataFrame
df = df.replace(23, 99)
df = df.replace([23, 45], [99, 999])

# Replace Multiple Values with a Single Value
df['Age'] = df['Age'].replace([23, 45, 35], 99)

# Using a Dictionary (Dict is passed into to_replace=)
df['Age'] = df['Age'].replace({23:99, 45:999})

# Using a Dictionary for Column Replacements (key:value = column:value)
df = df.replace({'Name': 'Jane', 'Age': 45}, 99)

Оглавление

Синтаксис метода замены Pandas

Метод .replace() в Pandas принимает множество различных параметров. Давайте рассмотрим их:

DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad')

В приведенном ниже списке указано, что ожидают параметры метода .replace() и что они представляют:

  • to_replace=: принимает строку, список, словарь, регулярное выражение, int, float и т. д., и описывает значения для замены

  • value=: Значение для замены

  • inplace=: выполнять операцию на месте

  • limit=: максимальный размер промежутка для обратного или прямого заполнения

  • regex=: интерпретировать ли to_replace и/или значение как регулярное выражение

  • method=: метод, который следует использовать для замены

Давайте углубимся в то, как использовать этот метод, начав с загрузки образца DataFrame Pandas.

Загрузка образца DataFrame

Чтобы начать, давайте сначала загрузим DataFrame в Pandas. Мы сделаем все максимально просто, чтобы было легче понять, что именно мы заменяем.

# Loading a Sample DataFrame
import pandas as pd
df = pd.DataFrame.from_dict({'Name': ['Jane', 'Melissa', 'John', 'Matt'],'Age': [23, 45, 35, 64],'Birth City': ['London', 'Paris', 'Toronto', 'Atlanta'],'Gender': ['F', 'F', 'M', 'M']})
print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Jane   23     London      F
# 1  Melissa   45      Paris      F
# 2     John   35    Toronto      M
# 3     Matt   64    Atlanta      M

Давайте теперь погрузимся в то, как использовать метод, начиная с того, как заменить одно значение в данном столбце.

Замените одно значение в столбце DataFrame Pandas

Давайте научимся заменять отдельное значение в столбце Pandas. В приведенном ниже примере мы посмотрим, как заменить значение Jane на Joan. Для этого нам просто нужно передать значение, которое мы хотим заменить, в параметр to_replace=, а значение, на которое хотим заменить, — в параметр value=

# Replace a Single Value with Another Value Using Pandas .replace()
df['Name'] = df['Name'].replace(to_replace='Jane', value='Joan')
print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Joan   23     London      F
# 1  Melissa   45      Paris      F
# 2     John   35    Toronto      M
# 3     Matt   64    Atlanta      M

В приведенном выше блоке кода мы использовали метод .replace() непосредственно к столбцу, переназначив столбец сам на себя. Поскольку два параметра являются первым и вторым параметрами позиционно, нам на самом деле не нужно их указывать по имени

Замените несколько значений одним и тем же значением в кадре данных Pandas

Теперь вы можете захотеть заменить несколько значений на одно и то же значение. Сделать это также очень просто, используя метод .replace()

Конечно, вы можете просто запустить метод дважды, но есть гораздо более эффективный способ достичь этого. Здесь мы будем заменять London и Paris на Europe:

# Replace Multiple Values with Another Value Using Pandas .replace()
df['Birth City'] = df['Birth City'].replace(
    to_replace=['London', 'Paris'], 
    value='Europe')
print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Jane   23     Europe      F
# 1  Melissa   45     Europe      F
# 2     John   35    Toronto      M
# 3     Matt   64    Atlanta      M

В приведенном выше блоке кода мы передали список значений в параметр to_replace=. Это позволяет искать оба эти значения в столбце. Поскольку мы передали только одно значение в параметр value=, это значение используется для замены обоих других значений.

Теперь давайте посмотрим, как заменить несколько значений на другие в следующем разделе.

Замените несколько значений разными значениями в кадре данных Pandas

Как и в приведенном выше примере, вы можете заменить список из нескольких значений на список других.

Чтобы сделать это, вы можете передать список значений в параметр to_replace=, а также список такой же длины в параметр value=

В приведенном ниже примере мы заменим London на England и Paris на France:

# Replace Multiple Values with Different Values Using Pandas .replace()
df['Birth City'] = df['Birth City'].replace(
    to_replace=['London', 'Paris'], 
    value=['England', 'France'])

print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Jane   23    England      F
# 1  Melissa   45     France      F
# 2     John   35    Toronto      M
# 3     Matt   64    Atlanta      M

В следующем разделе мы рассмотрим, как это сделать для значений по всему DataFrame, а не для отдельного столбца.

Заменить значения во всем кадре данных

В предыдущих примерах вы узнали, как заменять значения в одном столбце. Аналогично этим примерам, мы можем легко заменять значения во всем DataFrame.

Давайте заменим букву F на P во всем DataFrame:

# Replace Values Across and Entire DataFrame
df = df.replace(
    to_replace='M', 
    value='P')

print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Jane   23     London      F
# 1  Melissa   45      Paris      F
# 2     John   35    Toronto      P
# 3     Matt   64    Atlanta      P

В приведенном выше примере мы применили метод .replace() ко всему DataFrame. Мы видим, что это не принесло ожидаемых результатов. В данном случае заменяются только те ячейки, значения которых полностью соответствуют условиям.

Замена значений регулярными выражениями (регулярные выражения)

Чтобы заменить подстроки в DataFrame Pandas, можно указать Pandas использовать регулярные выражения (regex). Чтобы заменить подстроки (например, в Melissa), мы просто передаем regex=True:

# Replace Values Using Regex
df = df.replace(
    to_replace='M', 
    value='P',
    regex=True)

print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Jane   23     London      F
# 1  Pelissa   45      Paris      F
# 2     John   35    Toronto      P
# 3     Patt   64    Atlanta      P

Давайте также более подробно рассмотрим более сложные замены с использованием регулярных выражений.

Использование Pandas .replace() с более сложным регулярным выражением

Мы можем использовать регулярные выражения для выполнения сложных замен.

Мы рассмотрим достаточно простой пример, где мы заменяем любое четырехбуквенное слово в колонке Имя на “Четырехбуквенное имя”.

Следующий вызов метода .replace() делает именно это:

# Using More Complex Regex with Pandas .replace()
df = df.replace(
    to_replace=r'\b\w{4}\b', 
    value='Four letter name',
    regex=True)

print(df)

# Returns:
#                Name  Age Birth City Gender
# 0  Four letter name   23     London      F
# 1           Melissa   45      Paris      F
# 2  Four letter name   35    Toronto      M
# 3  Four letter name   64    Atlanta      M

В следующем разделе вы научитесь заменять значения на месте.

Замените значения на месте с помощью Pandas

Мы также можем заменять значения на месте, без необходимости их повторного присваивания. Это делается путем установки inplace= в True

Давайте вернемся к более раннему примеру:

# Replacing Values In Place
df['Birth City'].replace(
    to_replace='Paris', 
    value='France',
    inplace=True)

print(df)

# Returns:
#       Name  Age Birth City Gender
# 0     Jane   23     London      F
# 1  Melissa   45     France      F
# 2     John   35    Toronto      M
# 3     Matt   64    Atlanta      M

Хотя этот подход и позволяет сэкономить некоторое количество памяти (поскольку не требуется создание нового объекта), часто лучше придерживаться единообразия с остальной частью вашего кода.

Использование словарей для замены значений с помощью Pandas replace

Метод .replace() в Pandas также позволяет использовать словари для замены значений. Это может быть удобным способом обработки множества замен. Однако это не мой предпочтительный подход, так как поведение часто может быть сложным для понимания.

Давайте посмотрим, как метод может заменять значения:

# Using a Dictionary (Dict is passed into to_replace=)
df['Age'] = df['Age'].replace({23:99, 45:999})

# Using a Dictionary for Column Replacements (key:value = column:value)
df = df.replace({'Name': 'Jane', 'Age': 45}, 99)

Мы видим, что словарь можно использовать двумя разными способами:

  1. Чтобы сопоставить значения для замены, чтобы словарь представлял {original value : new value}

  2. Чтобы сопоставить замены из столбцов так, чтобы они соответствовали структуре, показанной здесь:to_replace={column1: value1, column2: value2}, value=new value

Хотя первый подход более краткий, я бы предпочел использовать метод map() в Pandas для этого подхода.

Второй метод предоставляет больше гибкости для использования этого метода с разными столбцами, но может быть немного сложнее для восприятия. В таких случаях я лично предпочту вызвать метод дважды для разных столбцов.

Заключение

В этом посте вы научились использовать метод replace в Pandas для замены значений в DataFrame Pandas. Метод .replace() чрезвычайно мощный и позволяет заменять значения в одном столбце, нескольких столбцах и во всем DataFrame. Метод также включает в себя регулярные выражения, чтобы упростить выполнение сложных замен.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, посетите ресурсы ниже:

  • Pandas: замените NaN нулями

  • Python: заменить элемент в списке (6 разных способов)

  • Преобразование столбцов Pandas с помощью карты и применения

PreviousСброс индекса в Pandas: как сбросить индекс в PandasNextПеремещение столбца DataFrame Pandas на позицию (В начало и в конец)

Last updated 1 year ago

Чтобы узнать больше о методе .replace() в библиотеке Pandas, ознакомьтесь с .

официальной документацией здесь
Синтаксис метода замены Pandas
Загрузка образца DataFrame
Замените одно значение в столбце DataFrame Pandas
Замените несколько значений одним и тем же значением в кадре данных Pandas
Замените несколько значений разными значениями в кадре данных Pandas
Заменить значения во всем кадре данных
Замена значений регулярными выражениями (регулярные выражения)
Использование Pandas .replace() с более регулярным выражением
Замените значения на месте с помощью Pandas
Использование словарей для замены значений с помощью Pandas replace
Заключение
Дополнительные ресурсы