【Pandas】pandas Series replace
Pandas2.2 Series
Computations descriptive stats
| 方法 | 描述 |
|---|---|
| Series.backfill(*[, axis, inplace, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.bfill(*[, axis, inplace, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.dropna(*[, axis, inplace, how, …]) | 用于删除 Series 中包含缺失值（NaN）的元素的方法 |
| Series.ffill(*[, axis, inplace, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.fillna([value, method, axis, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.interpolate([method, axis, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.isna() | 用于检测 Series 中的缺失值（NaN）的方法 |
| Series.isnull() | 用于检测 Series 中的缺失值（NaN）的方法 |
| Series.notna() | 用于检测 Series 中的非缺失值（即不是 NaN 或 None）的方法 |
| Series.notnull() | 用于检测 Series 中的非缺失值（即不是 NaN 或 None）的方法 |
| Series.pad(*[, axis, inplace, limit, downcast]) | 用于处理缺失值（NaN）的一种方法 |
| Series.replace([to_replace, value, inplace, …]) | 用于替换 Series 中特定值或满足某些条件的值的方法 |
pandas.Series.replace
pandas.Series.replace 是 Pandas 库中用于替换 Series 中特定值或满足某些条件的值的方法。它允许用户指定要替换的值以及替换后的值，支持多种替换方式，包括标量替换、列表替换、字典替换和正则表达式替换等。
参数说明
-
to_replace：标量、列表、字典、Series 或正则表达式，默认为
None。
指定需要被替换的值。如果为标量，则替换所有匹配该值的元素；如果为列表，则替换列表中的每个值；如果为字典，则键表示要替换的值，值表示替换后的值。 -
value：标量、可调用对象或
None，默认为<no_default>。
替换后的值。如果未指定且to_replace是字典，则直接使用字典中的映射关系。 -
inplace：布尔值，默认为
False。
如果为True，则直接修改原Series，否则返回一个新的Series。 -
limit：整数，默认为
None。
指定最多替换的次数（仅适用于逐个替换）。 -
regex：布尔值或正则表达式，默认为
False。
如果为True，则将to_replace视为正则表达式进行匹配。 -
method：字符串，默认为
<no_default>。
指定替换方法，目前支持'pad'和'ffill'（前向填充）以及'bfill'和'backfill'（后向填充）。此参数主要用于处理缺失值。
示例及结果
示例 1：基本替换（标量替换）
import pandas as pd
# 创建一个示例 Series
s = pd.Series([1, 2, 3, 2, 4])
print("原始 Series:")
print(s)
# 使用 replace 方法替换值 2 为 10
replaced_s = s.replace(to_replace=2, value=10)
print("\n替换后的 Series (将 2 替换为 10):")
print(replaced_s)
输出结果：
原始 Series:
0 1
1 2
2 3
3 2
4 4
dtype: int64
替换后的 Series (将 2 替换为 10):
0 1
1 10
2 3
3 10
4 4
dtype: int64
示例 2：列表替换
# 使用 replace 方法替换多个值 [2, 3] 为 10
replaced_s_list = s.replace(to_replace=[2, 3], value=10)
print("\n替换后的 Series (将 [2, 3] 替换为 10):")
print(replaced_s_list)
输出结果：
替换后的 Series (将 [2, 3] 替换为 10):
0 1
1 10
2 10
3 10
4 4
dtype: int64
示例 3：字典替换
# 使用 replace 方法通过字典替换值
replaced_s_dict = s.replace({1: 100, 4: 400})
print("\n替换后的 Series (通过字典替换 {1: 100, 4: 400}):")
print(replaced_s_dict)
输出结果：
替换后的 Series (通过字典替换 {1: 100, 4: 400}):
0 100
1 2
2 3
3 2
4 400
dtype: int64
示例 4：正则表达式替换
# 创建一个包含字符串的 Series
s_str = pd.Series(['foo', 'bar', 'baz', 'qux'])
print("原始 Series:")
print(s_str)
# 使用 replace 方法通过正则表达式替换以 'b' 开头的字符串为 'X'
replaced_s_regex = s_str.replace(to_replace='^b.*', value='X', regex=True)
print("\n替换后的 Series (通过正则表达式替换 ^b.* 为 X):")
print(replaced_s_regex)
输出结果：
原始 Series:
0 foo
1 bar
2 baz
3 qux
dtype: object
替换后的 Series (通过正则表达式替换 ^b.* 为 X):
0 foo
1 X
2 X
3 qux
dtype: object
示例 5：inplace 修改
# 直接在原 Series 上进行替换
s.replace(to_replace=2, value=10, inplace=True)
print("\n使用 inplace 参数后的 Series:")
print(s)
输出结果：
使用 inplace 参数后的 Series:
0 1
1 10
2 3
3 10
4 4
dtype: int64
总结
replace 方法提供了灵活的替换功能，可以处理标量、列表、字典和正则表达式等多种替换场景。通过合理设置参数，可以实现复杂的数据清洗和转换操作。