语法：replace(self, to_replace=none, value=none, inplace=false, limit=none, regex=false, method='pad', axis=none)
使用方法如下：
|
1
2
3
4
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
#series对象值替换
s = df.iloc[2]#获取行索引为2数据
#单值替换
s.replace('?',np.nan)#用np.nan替换？
s.replace({'?':'na'})#用na替换？
#多值替换
s.replace(['?',r'$'],[np.nan,'na'])#列表值替换
s.replace({'?':np.nan,'$':'na'})#字典映射
#同缺失值填充方法类似
s.replace(['?','$'],method='pad')#向前填充
s.replace(['?','$'],method='ffill')#向前填充
s.replace(['?','$'],method='bfill')#向后填充
#limit参数控制填充次数
s.replace(['?','$'],method='bfill',limit=1)
#dataframe对象值替换
#单值替换
df.replace('?',np.nan)#用np.nan替换？
df.replace({'?':'na'})#用na替换？
#按列指定单值替换
df.replace({'empno':'?'},np.nan)#用np.nan替换empno列中?
df.replace({'empno':'?','ename':'.'},np.nan)#用np.nan替换empno列中?和ename中.
#多值替换
df.replace(['?','.','$'],[np.nan,'na','none'])##用np.nan替换？用na替换. 用none替换$
df.replace({'?':'na','$':none})#用na替换？ 用none替换$
df.replace({'?','$'},{'na',none})#用na替换？ 用none替换$
#正则替换
df.replace(r'\?|\.|\$',np.nan,regex=true)#用np.nan替换？或.或$原字符
df.replace([r'\?',r'\$'],np.nan,regex=true)#用np.nan替换？和$
df.replace([r'\?',r'\$'],[np.nan,'na'],regex=true)#用np.nan替换？用na替换$符号
df.replace(regex={r'\?':none})
#value参数显示传递
df.replace(regex=[r'\?|\.|\$'],value=np.nan)#用np.nan替换？或.或$原字符
|
以上这篇对pandas replace函数的使用方法小结就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/kancy110/article/details/72719340