Pandas 条件替换

在本文中，我们将介绍如何使用 Pandas 来进行数据条件替换。在数据分析过程中，我们有时需要对数据进行修改或替换，而 Pandas 提供了多种方法来达到这个目的。

替换单个单元格的值

首先，我们来看如何替换单个单元格的值。我们可以使用 .at 或 .iat 方法实现这个功能。下面是一个例子：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'score': [90, 80, 70, 60]
}

df = pd.DataFrame(data)

df.at[1, 'name'] = 'Bob Smith'
df.iat[2, 1] = 75

print(df)
# Output:
#        name  score
# 0     Alice     90
# 1  Bob Smith     80
# 2   Charlie     75
# 3     David     60

在上面的例子中，我们使用 .at 方法将第二行的 name 列改变为了 ‘Bob Smith’，使用 .iat 方法将第三行的 score 列改变为了 75。

替换符合条件的行或列

如果我们需要替换符合某个条件的行或列的值，可以使用 .loc 或 .iloc 方法，并配合逻辑运算符或比较运算符来筛选符合条件的数据。下面是一个例子：

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'score': [90, 80, 70, 60]
}

df = pd.DataFrame(data)

df.loc[df['score'] < 75, 'score'] = 0

print(df)
# Output:
#        name  score
# 0     Alice     90
# 1       Bob      0
# 2   Charlie      0
# 3     David     60

在上面的例子中，我们使用 .loc 方法将 score 列中小于 75 的行的 score 列改变为了 0。

替换不符合条件的行或列

与上面的例子相似，如果我们需要将不符合某个条件的行或列的值替换为特定的值，可以使用 ~ 符号来排除符合条件的数据，然后进行替换。下面是一个例子：

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'score': [90, 80, 70, 60],
    'gender': ['F', 'M', 'M', 'F']
}

df = pd.DataFrame(data)

df.loc[~(df['gender'] == 'M'), 'score'] = 0

print(df)
# Output:
#        name  score gender
# 0     Alice      0      F
# 1       Bob     80      M
# 2   Charlie     70      M
# 3     David      0      F

在上面的例子中，我们使用 ~ 符号将所有不是男性的行的 score 列替换为了 0。

替换值

最后，我们来看如何将数据中的某个值替换为另一个值。Pandas 提供了多个方法可以做到这一点，其中最常用的是 .replace() 方法。下面是一个例子：

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'gender': ['F', 'M', 'M', 'F']
}

df = pd.DataFrame(data)

df.replace('F', 'Female', inplace=True)

print(df)
# Output:
#        name  gender
# 0     Alice  Female
# 1       Bob       M
# 2   Charlie       M
# 3     David  Female

在上面的例子中，我们使用 .replace() 方法将 ‘F’ 替换为 ‘Female’。

总结

通过本文的介绍，我们学习了 Pandas 条件替换的常用方法，包括替换单个单元格的值、替换符合条件的行或列、替换不符合条件的行或列、以及替换值。在实际的数据分析过程中，掌握这些方法是非常有用的，可以帮助我们更好地处理和清洗数据。如果你对本文中的内容还有疑问，或者有其他的建议和想法，欢迎在评论区留言。