1. pandas.replace()介绍

pandas.Series.replace 官方文档

Series.replace(to_replace=None, value=NoDefault.no_default, inplace=False, limit=None, regex=False, method=NoDefault.no_default)

• to_replace: 需要替换的值
• value：替换后的值
• inplace: 是否在原数据表上更改，默认 inplace=False
• limit：向前或向后填充的最大尺寸间隙，用于填充缺失值
• regex: 是否模糊查询，用于正则表达式查找，默认 regex=False
• method: 填充方式，用于填充缺失值(The method to use when for replacement, when to_replace is a scalar, list or tuple and value is None.)
  • pad: 向前填充
  • ffill: 向前填充
  • bfill: 向后填充

Example

2. 单值替换

2.1 全局替换

df.replace(1, 10)

2.2 选定条件替换

df['attr_1'].replace('场景.季节.冬天', '冬天', inplace=True)

3. 多值替换

3.1 多个值替换同一个值

df.replace([3, 11, 137], 4)

3.2 多个值替换不同值

• 列表List

df.replace([3, 11, 137, 1], [1, 111, 731, 10])

• 字典映射

# 修改不同列
df.replace({'场景.普通运动.跑步':'跑步', 11:100})

# 修改同一列
df.replace({'attr_1':{'场景.普通运动.跑步':'跑步', '场景.户外休闲.爬山':'爬山'}})

4. 模糊查询替换

df.replace('场景.','', regex=True)
df.replace(regex='场景.', value=' ')

df.replace(regex={'场景.': '', '方案.':''})
df.replace(regex=['场景.', '方案.'], value='')

也可以这样

df['Attr_B'] = df['Attr_B'].str.replace('夹克', '大衣')
df

5. 缺失值替换

5.1 method的用法 (向前/后填充)

Example

• 向前填充（以他的前一行的值填充）

s.replace(np.nan, method='pad')
s.replace(np.nan, method='ffill')

• 向后填充（以他的后一行的值填充）

s.replace(np.nan, method='bfill')

5.2 limit的用法 (限制最大填充间隔)

连着多个空值时，limit为几填充几个
Example

s.replace(np.nan, method='ffill', limit=1)

s.replace(np.nan, method='ffill', limit=2)