pandas 条件替换|极客笔记

pandas 条件替换

在数据处理和分析中，我们经常会遇到需要根据特定条件对数据进行替换的情况。比如将数据集中的某一列中所有小于0的值替换为0，或者根据条件将某一列中的字符串替换为其他值等。在 pandas 中，我们可以使用 pandas.Series 中的 replace() 方法来实现条件替换。本文将详细介绍如何使用 replace() 方法进行条件替换。

基本语法

pandas.Series.replace(to_replace, value, inplace=False)

to_replace：要替换的值，可以是单个值、列表、字典或者正则表达式。
value：替换后的值。
inplace：是否在原数据上进行替换，True 表示在原数据上进行替换，False 表示生成一个新的 Series，默认为 False。

示例数据

为了演示条件替换的操作，我们先创建一个示例数据：

import pandas as pd

data = {'A': [1, 2, -3, 4, 5],
        'B': ['apple', 'orange', 'banana', 'apple', 'orange']}
df = pd.DataFrame(data)
print(df)

运行以上代码，我们得到如下示例数据：

   A       B
0  1   apple
1  2  orange
2 -3  banana
3  4   apple
4  5  orange

单个值替换

首先，我们可以通过指定单个值的方式来进行条件替换。比如将示例数据中的数值列 A 中小于 0 的值替换为 0：

df['A'] = df['A'].replace(-3, 0)
print(df)

运行以上代码，我们得到替换后的数据：

   A       B
0  1   apple
1  2  orange
2  0  banana
3  4   apple
4  5  orange

多个值替换

除了单个值外，我们也可以通过列表的方式一次性替换多个值。接下来将示例数据中 B 列中的字符串 ‘apple’ 替换为 ‘orange’：

df['B'] = df['B'].replace(['apple', 'banana'], 'orange')
print(df)

运行以上代码，我们得到替换后的数据：

   A       B
0  1  orange
1  2  orange
2  0  orange
3  4  orange
4  5  orange

字典方式替换

使用字典的方式可以实现更加灵活的条件替换。我们可以将待替换的值和替换后的值以字典的形式传入 replace() 方法。例如将示例数据中数值列 A 中的值分别替换为 ‘positive’ 和 ‘negative’：

df['A'] = df['A'].replace({1: 'positive', 2: 'positive', 0: 'positive', 4: 'positive', 5: 'positive'})
print(df)

运行以上代码，我们得到替换后的数据：

          A       B
0  positive  orange
1  positive  orange
2  positive  orange
3  positive  orange
4  positive  orange

正则表达式替换

replace() 方法还支持使用正则表达式进行条件替换。例如将示例数据中 B 列中包含 ‘nge’ 的字符串替换为 ‘grape’：

df['B'] = df['B'].replace(r'.*nge.*', 'grape', regex=True)
print(df)

运行以上代码，我们得到替换后的数据：

          A       B
0  positive   grape
1  positive  orange
2  positive   grape
3  positive   grape
4  positive  orange

inplace 参数

如果希望在原数据上进行替换，可以将 inplace 参数设置为 True。例如将示例数据中的数值列 A 中的值大于 2 的替换为 10：

df['A'].replace(df['A'][df['A'] > 2], 10, inplace=True)
print(df)

运行以上代码，我们得到替换后的数据：

          A       B
0  positive   grape
1  positive  orange
2  positive   grape
3        10   grape
4        10  orange

小结

通过以上示例，我们了解了如何使用 pandas.Series.replace() 方法进行条件替换。在实际应用中，条件替换是数据清洗和处理中常用的操作之一，能够帮助我们处理各种复杂的数据情况。在使用过程中，建议根据实际情况选择合适的替换方式，以达到预期的数据处理效果。

pandas 条件替换