Python3 pandas(19) 替换 replace()及部分替换

在处理数据的时候，很多时候会遇到批量替换的情况，如果一个一个去修改效率过低，也容易出错。replace()是很好的方法。

1.基本结构：

df.replace(to_replace, value) 前面是需要替换的值，后面是替换后的值。

这样会搜索整个DataFrame, 并将所有符合条件的元素全部替换。

进行上述操作之后，其实原DataFrame是并没有改变的。改变的只是一个复制品。

2. 如果需要改变原数据，需要添加常用参数 inplace=True

这个参数在一般情况没多大用处，但是如果只替换部分区域时，inplace参数就有用了。

在上面这个操作中，‘合计’这一列中的0，并没有被替换。只有‘金额’这一列的0被替换，而且，替换后的结果不需要我们再和原数据进行合并操作，直接体现在原数据中。

3. 用字典形式替换多个值。

这个很好理解哈，{'C':0.999, 'F':0.777}，字典里面的键‘C'和'F'就是原值，字典里的值0.999和0.777就是我们想要的新值。也可以用列表形式： df.replace(['C', 'F'], [0.999, 0.777])

如果替换的值都是一样的话就可以写简单点了：

4. 使用正则表达式替换多个

正则表达式很强大，能够让我们实现一次替换很多很多个不同的值。

一次就将五个类似但是不同的值替换掉了，效率高。使用正则表达式的时候记得后面加 regex=True参数。

当需要将缺失值替换掉的时候，我们可以考虑直接只用fillna()，功能更强大。下一篇中将简单总结一下fillna()。

在某些情况下，我只需要某个数据的部分内容，我们该怎么操作呢？

？

?？

???

????

?????

??????

???????

？？？？？？

？？？？？？？

搞定收工。