对pandas replace函数的使用方法小结

对pandas库中的replace()函数进行总结。

replace()函数概述

replace()函数是一种非常方便的文本替换函数，可以替换DataFrame、Series、Index等对象中的某一个值。

其语法如下：

DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad')

参数详解：
- to_replace：需要被替换的值，可以是单个值或者一个列表/Tuple/Series/字典。有关字典替换的更多信息可以在本文的后面找到。
- value：将要替换掉的新值，可以是单个值或者与to_replace相同数据类型的标量或数组。
- inplace：默认为False，在函数执行后不会更改替换的对象，而是返回一个新对象。如果设置为True，则对象本身被改变并返回None。
- limit：将会替换的最大数量。
- regex：默认为False，表示如果to_replace是正则表达式，则开启正则表达式模式。
- method：目前只支持两个取值（‘pad’、‘backfill’）：前一个值填充缺失值，后一个值对缺失值进行后向填充。

更多关于replace()函数的信息可以参考pandas官方文档。

示例1：替换DataFrame中的值

假设我们有一个含有NaN的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'A': [0, 1, 2, 3, 4],
    'B': [5, 6, None, 8, 9],
    'C': [10, 11, 12, None, 14]})

然后我们想要用一个字符串来替换NaN值。我们可以用以下代码实现这个功能：

df.replace(to_replace=np.nan, value='missing')

这将返回一个新的DataFrame，替换所有不是数字的值为"missing"。

示例2：使用字典替换多个值

我们可以使用字典来进行多值替换。下面的代码演示了如何将DataFrame中A列中的所有1替换为one，将2替换为two。

df = pd.DataFrame({
 'A': [0, 1, 2, 3, 4],
 'B': [5, 6, None, 8, 9],
 'C': [10, 11, 12, None, 14],
 })
df.replace({'A': {1: 'one', 2: 'two'}})

注意：replace()函数是不会修改原始数据的，也就是说当我们调用此函数时，我们必须要显式声明是否inplace=True，否则不会更改原始数据。