Pandas 模糊查询与替换的操作

Pandas是一个功能强大的Python数据分析库，用于处理和分析数据，提供了大量的数据操作、数据分析和数据可视化的功能。在数据分析中，经常需要进行模糊查询与替换的操作，这篇文章将详细介绍Pandas模糊查询与替换的操作攻略，包括以下内容：

1. Pandas 模糊查询的操作方式：

使用 Pandas 进行模糊查询可以使用字符串的 str 方法，包括str.match()，str.contains()方法，其中：

• str.match()方法：匹配字符串的开头，返回匹配结果；

• str.contains()方法：查询是否包含子串，返回布尔值。

示例一：

假设有一个 data 数据集，包含名字、年龄和薪资信息，请从中筛选出名字以 “A” 开头的员工信息。

import pandas as pd

# 创建数据集
data = {'Name': ['Aiden', 'Alice', 'Ben', 'Bob', 'Alex', 'Anna'], 
               'Age': [18, 20, 19, 22, 21, 20], 
               'Salary': [3000, 3200, 3100, 3500, 3400, 3300]
              }

df = pd.DataFrame(data)

# 模糊查询名字以 A 开头的员工信息
df[df['Name'].str.match('A')]

输出结果如下：

   Name  Age  Salary
0  Aiden   18    3000
1  Alice   20    3200
4   Alex   21    3400

1. Pandas 替换操作的方式：

使用 Pandas 进行替换操作可以使用 replace() 方法，其中：

• replace() 方法：用指定值替换指定的值。

示例二：

假设有一个 data 数据集，包含多个员工的职务信息，请将职务为 Manager 的员工替换为 Director。

import pandas as pd

# 创建数据集
data = {'Name': ['Aiden', 'Alice', 'Ben'], 
               'Age': [18, 20, 19], 
               'Position': ['Manager', 'Manager', 'Engineer']
              }

df = pd.DataFrame(data)

# 替换职务为 Manager 的员工信息
df['Position'].replace('Manager', 'Director', inplace=True)
print(df)

输出结果如下：

    Name  Age  Position
0  Aiden   18  Director
1  Alice   20  Director
2    Ben   19  Engineer

通过以上示例的操作，我们即可使用 Pandas 实现模糊查询与替换的操作，对于更复杂的场景，也可以根据实际需要进行进一步的操作。