REPLACE

Replace,意思是“代替”,标志着它是一个标识替换的函数。返回一个字符串,该字符串中指定的子字符串已被替换成另一子字符串,并且替换发生的次数也是指定的。

返回字符串,其中指定数目的某子字符串被替换为另一个子字符串。

语法  

Replace(expression,find, replacewith[,compare[,count[,start]]])

 

  Replace 函数的语法有以下参数:

 

  

参数描述
expression必选。字符串表达式,包含要替换的子字符串。
find必选。被搜索的子字符串。
replacewith必选。用于替换的子字符串。
start可选。expression 中开始搜索子字符串的位置。如果省略,默认值为 1。
count可选。执行子字符串替换的数目。如果省略,默认值为 -1,表示进行所有可能的替换。
compare可选。指示在计算子字符串时使用的比较类型的数值。有关数值,请参阅“设置”部分。
 

举例:

  replace( string1, string_to_replace, [ replacement_string ] )

 

  replace('123123tech', '123'); would return 'tech'

 

  replace('123tech123', '123'); would return 'tech'

 

  replace('222tech', '2', '3'); would return '333tech'

 

  replace('0000123', '0'); would return '123'

 

  replace('0000123', '0', ' '); would return ' 123'

 

设置

  compare 参数可以有以下值:

 

  

常数描述
vbBinaryCompare0执行二进制比较。
vbTextCompare1执行文本比较。
vbDatabaseCompare2执行基于数据库(在此数据库中执行比较)中包含的信息的比较。
 

返回值

  Replace 返回以下值:

 

  

如果Replace 返回
expression 为零长度零长度字符串 ("")。
expressionNull错误。
find 为零长度expression 的副本。
replacewith 为零长度expression 的副本,其中删除了所有由 find 参数指定的内容。
start > Len(expression)零长度字符串。
count 为 0expression 的副本。
 

说明

  Replace 函数的返回值是经过替换(从由 start 指定的位置开始到 expression 字符串的结尾)后的字符串,而不是原始字符串从开始至结尾的副本。

转载于:https://www.cnblogs.com/Kakasi/archive/2013/01/07/2849256.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
05-27
`replace` 是 pandas 库 DataFrame 和 Series 对象的一个方法,用于将数据集的某些值替换为其他值。这个方法可以用来处理数据集的缺失值、异常值或者需要重新编码的分类变量等。 `replace` 方法的基本语法如下: ```python DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad') ``` 其,参数含义如下: - `to_replace`:要替换的值,可以是单个值,也可以是一个列表、字典或者正则表达式。 - `value`:要替换成的值。 - `inplace`:是否在原始 DataFrame 进行替换,默认为 False。 - `limit`:替换的最大数量,如果不指定,则将替换所有匹配的值。 - `regex`:是否将 `to_replace` 视为正则表达式。 - `method`:如果 `to_replace` 是一个列表,则指定替换的方法,可以是 'pad'、'ffill'、'bfill' 等。 例如,假设我们有一个包含年龄和性别的 DataFrame,其一些年龄被错误地编码为负数。我们可以使用 `replace` 方法将这些负数的年龄替换为 NaN 缺失值: ```python import pandas as pd import numpy as np data = {'age': [25, 30, -10, 35, -5], 'gender': ['M', 'F', 'F', 'M', 'F']} df = pd.DataFrame(data) df.replace(to_replace=-1*np.Inf, value=np.nan, inplace=True) print(df) ``` 输出: ``` age gender 0 25.0 M 1 30.0 F 2 NaN F 3 35.0 M 4 NaN F ``` 在这个例子,我们使用了 `to_replace` 参数将 `-10` 和 `-5` 替换为 `np.nan`,该值意味着缺失。由于 `inplace` 参数设置为 `True`,所以原始 DataFrame 被修改。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值