python替换—Series.replace()与Series.str.replace()的区别及为何replace()无效的解决方法

已于 2023-09-15 15:02:39 修改
阅读量2.1k 收藏 19
点赞数 5
分类专栏： python基础 文章标签： python 开发语言
于 2023-08-25 18:19:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sodaloveer/article/details/132491756
版权

文章目录

前言

在Pandas中做数据处理，经常使用.replace()与.str.replace()方法来进行数据替换，本文介绍两种方法适用的对象，其中对于Series数据类型，它是一个由一维数组表示的DataFrame列，而.replace和.str.replace是Series对象的两种方法，虽然它们的名称相似，并且都用于替换Series的值，但实际上它们之间存在不同之外。

一、.replace()函数

str.replace()方法

函数语法：

str.replace(old,new,count)

参数说明：

参数描述
old不可省略参数，string，被替换的字符串
new不可省略参数，string，替换后的字符串
count可选参数，int，替换不超过max次。

举例1： 省略count时，匹配到的所有old字符串都会被替换成new字符串。

testStr = 'visit CSDN website'

#省略count时，匹配到的所有old字符串都会被替换成new字符串。
result = testStr.replace('website','!')
print('String after replacing:', result)

运行结果：
在这里插入图片描述
举例2： count值出现几次即代表replace()替换字符串的次数

testStr = 'visit CSDN website website website'

#count=2时，replace替换2次
result = testStr.replace('website','!',2)
print('String after replacing:', result)

#当count大于old字符串出现次数，即全部替换，此时count参数出现没有任何意义。

运行结果：

在这里插入图片描述

testStr = 'visit CSDN website website website'

#当count为负数，count参数不作用。replace()方法将全部old_str替换为new_str。
result = testStr.replace('website','!',-1)
print('String after replacing:', result)

运行结果：
在这里插入图片描述

DataFrame.replace()方法/Series.replace()方法

DataFrame.replace()函数语法：

DataFrame.replace(to_replace=None, value=_NoDefault.no_default, *,inplace=False, limit=None, regex=False, method=_NoDefault.no_default)

Series.replace()函数语法：

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

在Pandas中，Series是一个由一维数组表示的DataFrame列。Series.replace()与DataFrame.replace()方法参数一致。而Series对象的有.replace()和.str.replace()两种方法。虽然它们的名称相似，并且都用于替换Series的值，但实际上它们之间存在不同之外，下面会讲到。

参数说明：

参数描述说明
to_replace被替换的值字符串、正则表达式、str，正则表达式，数字的列表、字典，默认无。
value替换后的值标量、字典、列表、str、正则表达式、默认无。
inplace是否要改变原数据布尔值，默认是False，False是不改变，True是改变。
limit控制填充次数。整数，默认无。
regex是否使用正则，False是不使用，True是使用，默认是False。是否翻译to_replace和/或value作为正则表达式。如果这是True然后to_replace必须成为一个字符串。或者，这可以是一个正则表达式或一个列表、字典或正则表达式数组，在这种情况下to_replace一定是None。
method填充方式，pad，ffill，bfill分别是向前，向前，向后填充。当to_replace 是标量、列表或元组且 value 是 None 时，默认使用的替换方法为pad。

举例1： 对DataFrame进行替换。

import pandas as pd
data = pd.DataFrame({'A': [1, 80, 4],
                     'B': [9, 80, 5],
                     'C': ['foo','another foo bar','baz']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

#用dict进行单值、多值填充
data.replace({1,80},{'a','b'}) #1被a替换,80被b替换。
data.replace({1:'a',9:'b'}) #另一种写法，1被a替换,9被b替换。推荐这种写法。

data.replace({'A':1,'B':9},100) #A列的1与B列的9都被替换为100。
data.replace({'A':{1:10, 4:40}}) #A列的1被替换为10，4被替换为40。

#用list进行单值、多值填充
data.replace([1,9],'b')  #1,9都被b替换。
data.replace([1,9],[2,10]) #1,9分别被2,10替换。

#替换全部
data.replace(80,8)

#某一列或者某几列
data['B'].replace(9,20) #将B列中的9替换成20。
data[['A','B']].replace(80,8) #将A、B列中的9替换成20。

#某一行或者某几行
data.iloc[1].replace(80,8) #第二行的80替换成8。
data.iloc[0:2].replace(80,8) #第一、二行的80替换成8。

#to_replace是正则表达式，regex=True
data.replace(r'fo.$','new',regex=True)
data.replace({'C':r'fo.$'}, {'C':'new'}, regex=True)

#如果regex一个正则表达式或一个列表、字典或正则表达式数组，在这种情况下to_replace一定是None。
data.replace(regex=r'fo.$', value='new')
data.replace(regex={r'fo.$':'new', 'baz':'abc'})
data.replace(regex=[r'fo.$','baz'], value='new')

#inplace=True,改变原数据
data.replace(80,8,inplace=True)
data.iloc[0:2].replace(80,8,inplace=True)

#当to_replace是标量、列表或元组且value是 None 时，methond默认使用的替换方法为pad。
data.replace(['foo','baz'])

举例2： 对Series进行替换。

import pandas as pd
data = pd.DataFrame({'A': [1, 80, 4],
                     'B': [9, 80, 5],
                     'C': ['foo','another foo bar','baz']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

#用dict进行单值、多值填充
data['C'].replace({'foo':'hello'}) #将C列中的foo替换成hello。
data['C'].replace({'foo':'hello','baz':'bus'}) #将C列中的foo替换成hello,baz替换成bus。

#用list进行单值、多值填充
data['C'].replace(['foo'],['baz'])#将C列中的foo替换成baz。
data['C'].replace(['foo','baz'],'b'))#将C列中的foo和baz替换成b。
data['C'].replace(['foo','baz'],['hello','bus']) #将C列中的foo替换成baz,baz替换成bus。

#某一列或者某几列
data['B'].replace(9,20) #将B列中的9替换成20。

#某一行或者某几行
data.iloc[1].replace(80,8) #第二行的80替换成8。

#to_replace是正则表达式，regex=True
data['C'].replace(r'fo.$','new',regex=True)
data['C'].replace({r'fo.$':'new'}, regex=True)

#如果regex一个正则表达式或一个列表、字典或正则表达式数组，在这种情况下to_replace一定是None。
data['C'].replace(regex=r'fo.$', value='new')
data['C'].replace(regex={r'fo.$':'new', 'baz':'abc'})
data['C'].replace(regex=[r'fo.$','baz'], value='new')

#inplace=True,改变原数据
data['B'].replace(9,8,inplace=True)
data.iloc[1].replace(80,8,inplace=True)

#当to_replace是标量、列表或元组且value是 None 时，methond默认使用的替换方法为pad。
data['C'].replace(['foo','baz'])#将C列中的foo替换成hello。

二、.str.replace()方法

Series.str.replace()方法

函数语法：

Series.str.replace(pat, repl,n=-1,case=None,flags=0,regex=None)

参数说明：

参数描述
pat要查找的字符串，string，不可省略的参数。
repl替换的字符串，string，可以调用函数，不可省略的参数。
n要进行替换的次数，默认全部。
case是否区分大小写。
flagsre模块中的标志。如re.IGNORECASE。
regex是否设置为正则表达式，False是不使用，True是使用，默认是True。

.str.replace() 仅用于字符串匹配和替换，接受两个参数，第一个参数指定要替换的模式，仅限于正则表达式，第二个参数指定要用于替换的字符串。

举例：

import pandas as pd
data = pd.DataFrame({'A': ['1', '2', '4'],
                     'B': ['2023/9/9', '2023/8/8','2023/5/4'],
                     'C': ['FOO','ANOther foo bar','BAZ']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

#普通替换
data['C'].str.replace('FOO','foo') #将C列中FOO替换成foo。

#正则表达式的替换
data['B'].str.replace('[/]','-')

#预编译好的正则表达式替换
import pandas as pd 
import re 
pat=re.compile('[/]')
data['B'].str.replace(pat,'-')

#函数替换
data['C'].str.replace('[A-Z]',lambda x:x.group().lower()) #将C列中大写字母替换成小写字母。

三、.replace()与.str.replace() 使用方法的区别

1、.replace()方法可以用于数字、布尔值和任何可替换的数据类型；而.str.replace()方法仅适用于字符串。

创建测试DataFrame，下面的例子都基于这个DataFrame。

import pandas as pd
data = pd.DataFrame({'A': ['1', '2', '4'],
                     'B': [9, 80, 5],
                     'C': ['FOO','ANOther foo bar','BAZ']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

运行结果：
在这里插入图片描述

举例1： .replace()方法作用于int64数据类型。

要求：将整个dataframe中数据列B的9替换成20。

data['B'].replace(9,20)

运行结果：
在这里插入图片描述

举例2： .str.replace()方法作用于int64数据类型，报错：AttributeError: Can only use .str accessor with string values!。

要求：将整个dataframe中数据列B的9替换成20

data['B'].str.replace(9,20)

运行结果：

在这里插入图片描述

我们可以看数据列B是int64数据类型，因此直接使用str.replace() 会报以下错误提示，因为 .str.replace()只针对字符串数据类型 的列有效。

2、.replace()方法可以一次为单个字符串元素（str)、一列（Series）、多个列（DataFrame）工作，如果有需要，可以对整个DataFrame的值进行替换；而.str.serires()方法只能作用于一列（Series）。

创建测试DataFrame，下面的例子都基于这个DataFrame。

import pandas as pd
data = pd.DataFrame({'A': [9, 20, 40],
                     'B': [9, 80,5],
                     'C': ['foo','another foo bar','baz']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

运行结果：
在这里插入图片描述

举例1： .replace()方法作用于整个DataFrame的值。

要求：将C列中的foo替换成hello,A、B列中9替换成bus。

data.replace({'foo':'hello',9:'bus'}) #将C列中的foo替换成hello,A、B列中9替换成bus。

运行结果：
在这里插入图片描述

要求：将整个dataframe中的9替换成90。

data.replace(9,90) #将整个dataframe中的9替换成90

运行结果：

在这里插入图片描述

举例2： .replace()方法作用于单个字符串元素（<class ‘str’>)，实际上是函数str.replace(old,new,count)。

要求：将C列中第二行元素从80替换成8。

print(type(data['C'].loc[0]))

data['C'].loc[0].replace('foo','abc')

运行结果：
在这里插入图片描述

举例3： .replace()方法作用于多列。

要求：将A、B列中的80替换成8。

data[['A','B']].replace(80,8)

运行结果：

在这里插入图片描述

举例4： .str.relace()方法作用于整个dataframe、多列、单个字符串元素（<class ‘str’>)，都会报错。

要求：将整个dataframe中的9替换成90

data.str.replace('9','90')

报错：
在这里插入图片描述

要求：将A、B列中的80替换成8。

data[['A','B']].str.replace(80,8)

报错：
在这里插入图片描述

要求：将C列中第二行元素从80替换成8。

data['C'].loc[0].str.replace('foo','abc')

报错：
在这里插入图片描述

3、.replace()方法可以一次执行多个独立的替换，.str.replace()方法一次只可以替换一件事。

创建测试DataFrame，下面的例子都基于这个DataFrame。

import pandas as pd
data = pd.DataFrame({'A': ['9', '20', '40'],
                     'B': ['9', '80','5'],
                     'C': ['foo','another foo bar','baz']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

运行结果：
在这里插入图片描述

举例1： .replace()方法执行多个独立的替换。

要求：将整个dataframe中的数据列C中foo替换成text1，bar替换成text2。

#更好的表达方式
data['C'].replace({'foo': 'text1', 'bar': 'text2'}, regex=True)

data['C'].replace('foo','text1',regex=True).replace('bar','text2'), regex=True)

运行结果：
在这里插入图片描述

举例2： .str.replace()方法只一个一个替换，不可以像.replace()方法一样传入字典做多个独立的替换。

要求：将整个dataframe中的数据列C中foo替换成text1，bar替换成text2。

data['C'].str.replace('foo','text1').str.replace('bar','text2')

运行结果：
在这里插入图片描述

4、.replace()方法是默认regex=False，.str.replace()方法是默认启用正则表达式替换。

  • 两者方法默认行为的差异：
    • 子字符串替换，.replace() 方法默认情况下只会执行全字匹配，.str.replace()方法将替换每次出现的子字符串。
    • 正则表达式替换，.replace()方法除非您指定 regex=True，否则与将第一个参数解释为正则表达式的.str.replace()方法恰恰相反。注意： .replace()方法的regex=True只有在进行字符串替换才有效，例如data.replace({‘foo’:‘hello’,9:-3}, regex=True)是无效的。

创建测试DataFrame，下面的例子都基于这个DataFrame。

import pandas as pd
data = pd.DataFrame({'A': [9, 20, 40],
                     'B': [9, 80,5],
                     'C': ['foo','another foo bar','baz']})
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)

运行结果：
在这里插入图片描述

举例1

要求：将字符串foo全部替换字符串text1。

data['C'].replace('foo','text1') #默认情况下，只会执行对foo全字匹配替换。
data['C'].replace('foo','text1',regex=True) #regex=True情况下，每次出现的子字符串foo都会被替换为text1。
data['C'].str.replace('foo','text1') #默认情况下，每次出现的子字符串foo都会被替换为text1。

运行结果1：
在这里插入图片描述
运行结果2：
在这里插入图片描述
运行结果3：

在这里插入图片描述

四、常见的坑

python中.replace()方法不起作用

导入数据及查看数据情况

import os
import pandas as pd 
import numpy as np
#读取文件
def read_file(filepath):
    os.chdir(os.path.dirname(filepath))
    return pd.read_csv(os.path.basename(filepath),encoding='utf-8')
file_pos="F:\\python_test\\data_1.csv"
data_pos=read_file(file_pos)
data_pos

在这里插入图片描述

data_pos.dtypes

在这里插入图片描述

1、要求： 将2021金额与2022金额的 ¥ 与 , 这两个符号替换为空。

2、实现过程：

def convert_currency(value):
	'''
	移除不是数字字符 ￥，
	'''
	new_value=value.replace({',':'','¥':''})
	return new_value

#调用函数
a=convert_currency(data_pos['2021金额'])
a

运行结果：
在这里插入图片描述
3、发现问题： 使用.replace()无效， 将2021金额与2022金额的 ¥ 与 , 这两个符号并没有替换为空。

4、原因分析： .replace()方法默认情况下只会执行全字匹配，只有regex=True在进行正则表达式替换。

5、解决方案：

  • 方案一：使用.replace(,regex=True)，使得to_replace是正则匹配。
def convert_currency(value):
	'''
	移除不是数字字符 ￥，
	'''
	new_value=value.replace({',':'','¥':''},regex=True)
	return new_value

#调用函数
a=convert_currency(data_pos['2021金额'])
a

运行结果：
在这里插入图片描述

注意： 针对上面的解决方案一使用apply调用函数会报错：TypeError: str.replace() takes no keyword arguments。

如下代码

data_pos['2021金额'].apply(convert_currency)

在这里插入图片描述
原因： Series使用apply方法后，apply会自动遍历整个Series，将Series分解为一个个元素（元素数据类型跟数据列的数据类型一致）传入函数中。因为data_pos[‘2021金额’]是Series数据类型，apply调用convert_currency()函数，实际上将一个个单独的<class ‘str’>元素调用.replace()方法，会默认为str.replace(old,new,count)，并不存在regex这个参数，因此会报错：TypeError: str.replace() takes no keyword arguments。具体分析过程可参考：python报错—为什么用apply方法使用.replace()方法报错TypeError: str.replace() takes no keyword arguments

  • 方案二：使用.str.replace()，默认为pat是正则匹配。
def convert_currency(value):
	'''
	移除不是数字字符 ¥，
	'''
	new_value=value.str.replace(',','').str.replace('¥','')
	return new_value

#调用函数
a=convert_currency(data_pos['2021金额'])
a

运行结果：
在这里插入图片描述

注意： 针对上面的解决方案二使用apply调用函数会报错：AttributeError: ‘str’ object has no attribute ‘str’。

如下代码

data_pos['2021金额'].apply(convert_currency)

原因： Series使用apply方法后，apply会自动遍历整个Series，将Series分解为一个个元素（元素数据类型跟数据列的数据类型一致）传入函数中。对于使用.str.replace()方法来进行正则替换，.str.replace()只适用于Series对象，不用作用于<class ‘str’>类型，因此会报错AttributeError: ‘str’ object has no attribute ‘str’。具体分析过程可参考：python报错—为什么用apply方法使用.replace()方法报错TypeError: str.replace() takes no keyword arguments

参考文章：

https://blog.csdn.net/m0_62011685/article/details/124716966?ydreferer=aHR0cHM6Ly9jbi5iaW5nLmNvbS8%3D
https://www.cnblogs.com/cgmcoding/p/13362539.html
https://www.coder.work/article/1269173
https://geek-docs.com/pandas/pandas-questions/419_pandas_what_is_the_difference_between_seriesreplace_and_seriesstrreplace.html
https://zhuanlan.zhihu.com/p/108861452
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.str.replace.html
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.replace.html#pandas.DataFrame.replace
https://vimsky.com/examples/usage/python-pandas.Series.replace.html

sodaloveer
关注
  • 5
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python str replace方法
TCatTime的博客
02-21 7983
Python字符串方法replace()介绍、使用和注意事项。
python列表替换元素_24_Pandas.DataFrame,Series元素值的替换（replace）
weixin_39852953的博客
11-24 2623
24_Pandas.DataFrame,Series元素值的替换（replace）要替换pandas.DataFrame，pandas.Series元素的值，请使用replace（）方法。这里，将描述以下内容。替换元素一次替换多个不同的元素在字典中指定在列表中指定注意点通过指定目标列进行替换用正则表达式替换替换缺失值NaN变更原始项目以下面的数据为例。一些元素的值已更改以作说明。import pa...
python中的str.replace()函数
qq_41264482的博客
03-03 2万+
python中字符串的元素替换函数，一般来说使用方法为 str.replace(old, new[, max]) 例如 s = '123:456:789' s.replace(':', '-') 结果就是 '123-456-789' 但是当查看字符串s的时候发现s并没有发生改变，说明str.replace()函数并不对原有的字符串进行改变。 ...
Python 修改筛选/过滤数据df.replace、S.str.replace、where、iloc、map
qq_42375376的博客
01-17 1745
找到对应的数值或字符串直接赋予新值：df.replace(old, new) 只针对值整体针对每个具体值里的字符，如去掉【‘name’】里的所有' '与【】就需要用到S.str.repalce，S为Series。替换where条件为False的值：df.where(cond, x, y)：使用索引值进行修改，df[“column_name”].iloc[index]map(dict)：使用字典进行匹配修改，df[“column_name”].map(dict)
replace()方法——替换字符串
最新发布
橙子味冰可乐的博客
07-02 871
1. 清华大学(北京)2. 北京大学(北京)
Python-str.replace()总结
weixin_53307519的博客
02-12 1万+
python-str.replace() 方法的总结 字符串方法 str.replace()，Python 官方文档描述如下： 返回字符串的副本，其中出现的所有子字符串 old 都将被替换为 new。如果给出了可选参数 count，则只替换前 count 次出现。 replace(self, old, new, count=-1, /) old，旧字符或字符串 new，新字符或字符串 count，最大替换数，从起始位置开始计数，默认替换所有（是默认值参数，默认为-1，当然，-99也可以） 注意：rep
替换Series中的值replace()函数
liujingwei8610的专栏
08-18 1153
替换Series中的值 replace()函数
str.replace(),python
qinglv1的博客
06-03 1000
但是需要注意的是， str = "this is string example....wow!!! this is really string"; print str.replace("is", "was"); print str.replace("is", "was", 3); 输出的结果： thwas was string example....wow!!! thwas was r...
Python中replace（）函数详解
weixin_73699630的博客
08-12 5976
方法来替换字符串中的子串。第一个示例中，将原字符串中的 "Hello" 替换为 "Hi"。第二个示例中，将原字符串中前两个 "hello" 替换为 "hi"，而最后一个 "hello" 保持不变。函数是 Python 字符串对象的内置方法之一，用于将字符串中的指定子串替换为新的子串。函数返回一个新的字符串，其中的旧子串已被替换为新子串。方法返回的是一个新的字符串，不会修改原有的字符串。在这些示例中，我们使用。
python series转换为字符串_python库--pandas--Series.str--字符串处理
weixin_40005795的博客
12-15 9596
原数据import pandas as pda = pd.Series(['aSd', 'asd', 'dfd fsAsf sfs'])b = pd.Series([None, 'asd', 'fgh'])indexab0aSdNone1asdasd2dfd fsAsf sfsfgh字符大小写转换a.str.lower()a.str.upper()a.str.title()a.str.capita...
python中pd series_Python 数据处理（三）——pd.Series
weixin_32821043的博客
02-09 5053
前言对于如何使用 R 来处理表格数据，相信你已经学习到很多了。下面我们的重点是介绍如何在 Python 中处理表格型数据，提到 Python 数据处理，那就不得不说 pandas 了。pandas 是 Python 数据处理的核心库，提供了快速、灵活、明确的数据结构，能够简单直接地处理结构性和关系型数据。panda 适用于很多不同类型的数据：具有不同类型的列的表格数据，如 Excel 和 SQL ...
Series.str的方法用途
yishail的博客
06-25 5255
Series.str的类型为pandas.core.strings.StringMethods，可以简单的理解为把Series类型转化成str，可以对Series进行有关str的一些操作； 下面介绍Series.str的方法 文章目录1、cat（）拼接字符串2、split（）切分字符串，返回列表3、get（）获取指定位置的字符串4、join（）对每个字符都用给定的字符连接起来5、contains（）判断是否包含表达式6、replace（）替换 1、cat（）拼接字符串 from pandas import
pandas Series矢量化的字符串函数——Series.str
悦光阴的博客
08-12 802
在清理文本数据时，对pandas Series(序列)可以使用map函数，所有的字符串都可以应用字符串函数或正则表达式，但是如果存在NA，就会报错。为了解决这个问题，Series有一些可以跳过NA值的字符串操作方法，这可以通过Series的str属性来访问。 s1 = pd.Series(['Mouse', 'dog', 'house and parrot', '23', np.NaN]) s...
使用replace（）函数无效
WBW_WBW的博客
04-14 3931
字符串替换时，使用replace（）函数无效 原因：使用replace（）函数时必须需要一个变量来接取替换过后的结果 解决：
Python学习——str.replace()方法与re.sub()方法对比
geerniya的博客
11-30 3万+
这两种方法都可以对字符串字符串进行替换，但是各有不同，下面就通过不同的例子进行说明：1、str.replace()方法str.replace()方法可以将一个指定的字符格式替换成另一种字符：s = '123:456:789' s.replace(':', '-')得到结果：'123-456-789'2、re.sub()方法上述例子同样可以用re.sub()方法进行处理：s = '123:456:78
Python replace()函数使用详解，Python替换字符串
热门推荐
wangyuxiang946的博客
07-13 4万+
replace() 可以「替换」字符串中的内容 1、不改变原字符串 2、指定替换次数 3、转义符 4、替换列表、元组、字典的元素 5、连续替换
Python str.replace()方法 剑指Offer 05.替换空格+Leetcode20题 有效的括号（str.replace()解法，经典创建辅助栈解法，栈配合字典速度最快）
jq_98的博客
01-21 1136
语法：str.replace(old,new,max) old – 将被替换的字符串 new–新字符串 ，用于替换old字符串 max–字符串替换次数不超过max次 string = "this is string example....wow!!! this is really string" print(string.replace("is", "was")) print(string.replace("is", "was", 3)) # 替换不超过三次 # thwas was string ex.
《Python系列》Python常见问题处理记录
qq_67344578的博客
04-17 1207
解决方案：添加环境变量 2.使用pip安装pyinstaller报错 解决方案：添加信任源 二、使用Python报错：Fatal Python error: initfsencoding: Unable to get the locale encoding 三、多版本python导致yum使用异常，No module named yum 1 问题详情 2 问题解决 3 处理测试 🤝 期待与你共同进步 🌱 亲爱的读者，非常感谢你每一次的停留和阅读！你的支持是我们前行的最大动力！🙏🌐 在这茫茫
24_Pandas.DataFrame,Series元素值的替换（replace）
qq_18351157的博客
07-05 2万+
24_Pandas.DataFrame,Series元素值的替换（replace） 要替换pandas.DataFrame，pandas.Series元素的值，请使用replace（）方法。 这里，将描述以下内容。 替换元素 一次替换多个不同的元素 在字典中指定 在列表中指定 注意点 通过指定目标列进行替换 用正则表达式替换 替换缺失值NaN 变更原始项目 以下面的数据为例。一些元素的值已更改以作说明。 import pandas as pd df = pd.read_csv('./data/2
panda replace 方法
03-20
pandas中的replace方法可以用于替换DataFrame或Series中的特定值。下面是两个使用replace方法的例子： 1. 替换DataFrame中的特定值[^1]： ```python df['Attr_B'] = df['Attr_B'].str.replace('夹克', '大衣') ``` 2. 使用正则表达式进行模糊查询替换： ```python df.replace('场景.', '', regex=True) df.replace(regex='场景.', value=' ') ``` 这些例子展示了如何使用replace方法来替换DataFrame或Series中的特定值。第一个例子将DataFrame中的'Attr_B'列中的所有'夹克'替换为'大衣'。第二个例子使用正则表达式将DataFrame中的所有以'场景.'开头的值替换为空字符串。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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