Python 用另一个值替换dataframe列中的几个值

我有一个数据帧df，如下所示：

BrandName Specialty
A          H
B          I
ABC        J
D          K
AB         L

我想用A替换BrandName列中的'ABC'和'AB'。

---

有人能帮忙吗？

最简单的方法是使用列上的方法。参数是要替换的内容（此处为

['ABC'，AB']

）以及要替换的内容（本例中为字符串

'a'

）：

这将创建一系列新值，因此您需要将此新列指定给正确的列名：

df['BrandName'] = df['BrandName'].replace(['ABC', 'AB'], 'A')

---

最简单的方法是在列上使用方法。参数是要替换的内容（此处为

['ABC'，AB']

）以及要替换的内容（本例中为字符串

'a'

）：

这将创建一系列新值，因此您需要将此新列指定给正确的列名：

df['BrandName'] = df['BrandName'].replace(['ABC', 'AB'], 'A')

代替

DataFrame

对象具有强大而灵活的方法：

注意，如果需要进行适当的更改，请使用

inplace

布尔参数作为

replace

方法：

就地 inplace：布尔值，默认值

False

如果

为真

，则安装到位。注意：这将修改此对象上的任何其他视图（例如，数据框中的列）。如果这是

True

，则返回调用者

一小条 代替

DataFrame

对象具有强大而灵活的方法：

注意，如果需要进行适当的更改，请使用

inplace

布尔参数作为

replace

方法：

就地 inplace：布尔值，默认值

False

如果

为真

，则安装到位。注意：这将修改此对象上的任何其他视图（例如，数据框中的列）。如果这是

True

，则返回调用者

一小条

---

此解决方案将更改现有数据帧本身：

mydf = pd.DataFrame({"BrandName":["A", "B", "ABC", "D", "AB"], "Speciality":["H", "I", "J", "K", "L"]})
mydf["BrandName"].replace(["ABC", "AB"], "A", inplace=True)

---

此解决方案将更改现有数据帧本身：

mydf = pd.DataFrame({"BrandName":["A", "B", "ABC", "D", "AB"], "Speciality":["H", "I", "J", "K", "L"]})
mydf["BrandName"].replace(["ABC", "AB"], "A", inplace=True)

方法可用于替换多个值：

df.loc[df['BrandName'].isin(['ABC', 'AB'])] = 'A'

方法可用于替换多个值：

df.loc[df['BrandName'].isin(['ABC', 'AB'])] = 'A'

---

创建数据框：

import pandas as pd
dk=pd.DataFrame({"BrandName":['A','B','ABC','D','AB'],"Specialty":['H','I','J','K','L']})

现在使用

DataFrame.replace（）

函数：

dk.BrandName.replace(to_replace=['ABC','AB'],value='A')

---

创建数据框：

import pandas as pd
dk=pd.DataFrame({"BrandName":['A','B','ABC','D','AB'],"Specialty":['H','I','J','K','L']})

现在使用

DataFrame.replace（）

函数：

dk.BrandName.replace(to_replace=['ABC','AB'],value='A')

---

我只是想说明两种主要方法之间的性能差异：

df = pd.DataFrame(np.random.randint(0,10,size=(100, 4)), columns=list('ABCD'))

def loc():
    df1.loc[df1["A"] == 2] = 5
%timeit loc
19.9 ns ± 0.0873 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)


def replace():
    df2['A'].replace(
        to_replace=2,
        value=5,
        inplace=True
    )
%timeit replace
19.6 ns ± 0.509 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

---

我只是想说明两种主要方法之间的性能差异：

df = pd.DataFrame(np.random.randint(0,10,size=(100, 4)), columns=list('ABCD'))

def loc():
    df1.loc[df1["A"] == 2] = 5
%timeit loc
19.9 ns ± 0.0873 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)


def replace():
    df2['A'].replace(
        to_replace=2,
        value=5,
        inplace=True
    )
%timeit replace
19.6 ns ± 0.509 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

---

您还可以将一个

dict

传递给

pandas.replace

方法：

data.replace({
“列名称”：{
“将值替换为替换”：“将值替换为此”
}
})

这样做的好处是，您可以一次替换多列中的多个值，如下所示：

data.replace({
“列名称”：{
“将值替换为替换”：“将值替换为此”，
‘foo’：‘bar’，
“垃圾邮件”：“鸡蛋”
},
“其他列名称”：{
“其他值要替换”：“其他值替换为此”
},
...
})

您也可以将

dict

传递给

熊猫。替换方法：

data.replace({
“列名称”：{
“将值替换为替换”：“将值替换为此”
}
})

这样做的好处是，您可以一次替换多列中的多个值，如下所示：

data.replace({
“列名称”：{
“将值替换为替换”：“将值替换为此”，
‘foo’：‘bar’，
“垃圾邮件”：“鸡蛋”
},
“其他列名称”：{
“其他值要替换”：“其他值替换为此”
},
...
})
感谢您提供的代码片段示例，但它不起作用。首先，如果to_replace部分中没有=，则会出错。另一方面，它没有进行任何替换。在V0.20.1中是否有替换功能的工作示例？
replace
是否扩展得不好？当替换大约500万行整数时，我的机器似乎崩溃了。有什么办法解决这个问题吗？谢谢你提供的代码片段示例，但它不起作用。首先，如果to_replace部分中没有=，则会出错。另一方面，它没有进行任何替换。在V0.20.1中是否有替换功能的工作示例？
replace
是否扩展得不好？当替换大约500万行整数时，我的机器似乎崩溃了。有没有办法解决这个问题？如果你的数据类型在数据框中弄乱了（即它们看起来像字符串，但不是），那么使用：df['BrandName']=df['BrandName'].str.replace（['ABC'，'AB']，'A'）我也必须通过
inplace=True
，否则它不会改变。如果你的数据类型在数据框中弄乱了，那么有一件棘手的事情（即它们看起来像字符串，但不是），使用：df['BrandName']=df['BrandName'].str.replace（['ABC'，'AB']，'A'）我也必须通过
inplace=True
，否则它不会改变。这个答案是Ty。这正是我想要的答案。：）Ty这个答案是Ty。这正是我要找的