hand
_1_21_50
4
python3.X - 数据分析 - Pandas
共95篇
python3.X - 数据分析 - Pandas
返回栏目
1k
0k
5k
0k
0.1k
0k
2k
3k
1k
1k
0.2k
3k
0k
4k
3k
3k
3k
3k
0.5k
5k
1k
0.3k
3k
4k
7k
2k
7k
0.8k
0.9k
1k
1k
2k
0.4k
0.6k
0.6k
0.5k
0.9k
0.9k
1k
0.9k
1k
0.8k
1k
0.4k
0.4k
0.3k
0.6k
1k
0.9k
1k
1k
1k
0.8k
1k
0.8k
1k
0.7k
0.6k
4k
0.4k
3k
0.7k
0.8k
0.8k
0.2k
2k
1k
0.7k
0.7k
0.4k
0.5k
3k
0.1k
0.7k
0.9k
0.3k
1k
0.4k
0.4k
1k
0.5k
0.1k
0.7k
1k
0k
0.2k
0.7k
0.3k
0k
0k
0.1k
0k
0k
0k
3k
返回python3.X - 数据分析 - Pandas栏目
作者:
贺及楼
成为作者
更新日期:2024-09-10 10:13:55
Pandas 的 replace() 函数用于替换 DataFrame 中的值。这个函数非常有用,可以用于数据清洗和转换,允许你将指定的值或值的集合映射到新的值。
以下是 replace() 函数的一些关键特点:
值替换:
可以将一个或多个值替换为新值。
就地替换:
通过设置 inplace=True,可以就地修改 DataFrame,不返回新的 DataFrame。
使用字典:
通常使用字典来指定要替换的值及其新值。
正则表达式:
可以使用正则表达式来匹配值。
限制替换范围:
可以指定列或行的范围来限制替换操作。
替换数据类型:
替换操作可以改变列的数据类型。
作用:把数据里的1,234变成1234
import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"one", "B":"a", "C":11}, {"A":"two", "B":np.NaN, "C":"2,2"}, {"A":"one", "B":1, "C":"1,2"}])
A | B | C | |
---|---|---|---|
0 | one | a | 11 |
1 | two | NaN | 2,2 |
2 | one | 1 | 1,2 |
a = df['人数'].str.replace(',', '') # a可打印,原DataFrame不生效
df['人数'] = df['人数'].str.replace(',', '') # 原DataFrame生效
df['C'] = df['C'].str.replace(',', '')
A | B | C | |
---|---|---|---|
0 | one | a | NaN |
1 | two | NaN | 22 |
2 | one | 1 | 12 |
注意!没有,的变成空值
python3.X - 数据分析 - Pandas
整章节共95节
快分享给你的小伙伴吧 ~