การแทนที่ค่าสองสามค่าในคอลัมน์ดาต้าเฟรมของแพนด้าด้วยค่าอื่น

ฉันมี dataframe หมีแพนด้าตามภาพประกอบด้านล่าง:

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

ฉันต้องการแทนที่ 'ABC' และ 'AB' ในคอลัมน์ BrandName โดย A. มีใครช่วยได้ไหม

วิธีที่ง่ายที่สุดคือใช้replaceวิธีการบนคอลัมน์ อาร์กิวเมนต์คือรายการของสิ่งที่คุณต้องการแทนที่ (ที่นี่['ABC', 'AB']) และสิ่งที่คุณต้องการแทนที่ด้วย (สตริง'A'ในกรณีนี้):

>>> df['BrandName'].replace(['ABC', 'AB'], 'A')
0    A
1    B
2    A
3    D
4    A

สิ่งนี้จะสร้างชุดค่าใหม่ดังนั้นคุณต้องกำหนดคอลัมน์ใหม่นี้ให้กับชื่อคอลัมน์ที่ถูกต้อง:

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

แทนที่

DataFrameวัตถุมีreplaceวิธีการที่ทรงพลังและยืดหยุ่น:

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

หมายเหตุหากคุณจำเป็นต้องทำการเปลี่ยนแปลงให้ใช้inplaceอาร์กิวเมนต์บูลีนสำหรับreplaceวิธีการ:

ในสถานที่

inplace : บูลีนค่าเริ่มต้นFalse If Trueในสถานที่ หมายเหตุ: สิ่งนี้จะแก้ไขมุมมองอื่น ๆ ในวัตถุนี้ (เช่นคอลัมน์ในรูปแบบ DataFrame) Trueส่งคืนโทรถ้านี้เป็น

ตัวอย่างข้อมูล

df['BrandName'].replace(
    to_replace=['ABC', 'AB'],
    value='A',
    inplace=True
)

ฟังก์ชั่น loc สามารถใช้เพื่อแทนที่หลายค่าเอกสารสำหรับมัน: loc

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

โซลูชันนี้จะเปลี่ยนดาต้าเฟรมที่มีอยู่เอง:

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

สร้างกรอบข้อมูล:

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

ตอนนี้ใช้DataFrame.replace()ฟังก์ชัน:

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

เพียงแค่ต้องการแสดงให้เห็นว่าไม่มีความแตกต่างด้านประสิทธิภาพระหว่าง 2 วิธีหลักในการทำ:

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)

คุณยังสามารถส่งต่อdictไปยังpandas.replaceวิธีการ:

data.replace({
    'column_name': {
        'value_to_replace': 'replace_value_with_this'
    }
})

สิ่งนี้มีข้อดีคือคุณสามารถแทนที่หลายค่าในหลายคอลัมน์พร้อมกันได้ดังนี้:

data.replace({
    'column_name': {
        'value_to_replace': 'replace_value_with_this',
        'foo': 'bar',
        'spam': 'eggs'
    },
    'other_column_name': {
        'other_value_to_replace': 'other_replace_value_with_this'
    },
    ...
})