语法:replace(self, to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad', axis=None)
使用方法如下:
import numpy as np import pandas as pd df = pd.read_csv('emp.csv') df
#Series对象值替换 s = df.iloc[2]#获取行索引为2数据 #单值替换 s.replace('?',np.nan)#用np.nan替换? s.replace({'?':'NA'})#用NA替换? #多值替换 s.replace(['?',r'$'],[np.nan,'NA'])#列表值替换 s.replace({'?':np.nan,'$':'NA'})#字典映射 #同缺失值填充方法类似 s.replace(['?','$'],method='pad')#向前填充 s.replace(['?','$'],method='ffill')#向前填充 s.replace(['?','$'],method='bfill')#向后填充 #limit参数控制填充次数 s.replace(['?','$'],method='bfill',limit=1) #DataFrame对象值替换 #单值替换 df.replace('?',np.nan)#用np.nan替换? df.replace({'?':'NA'})#用NA替换? #按列指定单值替换 df.replace({'EMPNO':'?'},np.nan)#用np.nan替换EMPNO列中? df.replace({'EMPNO':'?','ENAME':'.'},np.nan)#用np.nan替换EMPNO列中?和ENAME中. #多值替换 df.replace(['?','.','$'],[np.nan,'NA','None'])##用np.nan替换?用NA替换. 用None替换$ df.replace({'?':'NA','$':None})#用NA替换? 用None替换$ df.replace({'?','$'},{'NA',None})#用NA替换? 用None替换$ #正则替换 df.replace(r'\?|\.|\$',np.nan,regex=True)#用np.nan替换?或.或$原字符 df.replace([r'\?',r'\$'],np.nan,regex=True)#用np.nan替换?和$ df.replace([r'\?',r'\$'],[np.nan,'NA'],regex=True)#用np.nan替换?用NA替换$符号 df.replace(regex={r'\?':None}) #value参数显示传递 df.replace(regex=[r'\?|\.|\$'],value=np.nan)#用np.nan替换?或.或$原字符
以上这篇对pandas replace函数的使用方法小结就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持呐喊教程。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:notice#nhooo.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。