Pandas中根据条件替换列中的值的四种方式

更新时间：2023年01月16日 14:29:56 作者：Rick_M359

本文主要介绍了Pandas中根据条件替换列中的值的四种方式，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

方法1：使用dataframe.loc[]函数

通过这个方法，我们可以用一个条件或一个布尔数组来访问一组行或列。如果我们可以访问它，我们也可以操作它的值，是的！这是我们的第一个方法，通过pandas中的dataframe.loc[]函数，我们可以访问一个列并通过一个条件改变它的值。

语法：df.loc[ df["column_name"] == "some_value", "column_name" ] = "value"

some_value = 需要被替换的值 value = 应该被放置的值。

示例: 我们要把性别栏中的所有 “男性 “改为1。

import pandas as pd
import numpy as np
  
# data
data= {
    'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
    'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
    'math score': [50, 100, 70, 80, 75, 40],
    'test preparation': ['none', 'completed', 'none', 'completed',
                         'completed', 'none'],
}
  
# 创建一个 Dataframe 对象
df = pd.DataFrame(data)
  
# 条件应用
df.loc[df["gender"] == "male", "gender"] = 1

输出：

使用dataframe.loc[]函数

方法2：使用NumPy.where()函数

NumPy是一个非常流行的库，用于2D和3D数组的计算。它为我们提供了一个非常有用的方法where()来访问有条件的特定行或列。我们也可以用这个函数来改变某一列的特定值。 语法: df[“column_name”] = np.where(df[“column_name”]==”some_value”, value_if_true, value_if_false)

示例: 这个numpy.where()函数应该写上条件，如果条件为真，后面是值，如果条件为假，则是一个值。现在，我们要把性别栏中的所有 “女性 “改为0，”男性 “改为1。

import pandas as pd
import numpy as np
  
# data
data= {
    'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
    'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
    'math score': [50, 100, 70, 80, 75, 40],
    'test preparation': ['none', 'completed', 'none', 'completed',
                         'completed', 'none'],
}
  
# 创建一个 Dataframe 对象
df = pd.DataFrame(data)
  
 # 条件应用
df["gender"] = np.where(df["gender"] == "female", 0, 1)

输出：

使用NumPy.where()函数

方法3：使用pandas掩码函数

Pandas的掩蔽函数是为了用一个条件替换任何行或列的值。

语法: df[‘column_name’].mask( df[‘column_name’] == ‘some_value’, value , inplace=True )

示例：使用这个屏蔽条件，将性别栏中所有的 “女性 “改为0。

import pandas as pd
import numpy as np
  
# data
data= {
    'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
    'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
    'math score': [50, 100, 70, 80, 75, 40],
    'test preparation': ['none', 'completed', 'none', 'completed', 
                         'completed', 'none'],
}
  
# 创建一个 Dataframe 对象
df = pd.DataFrame(data)
  
# 条件应用 1
df['gender'].mask(df['gender'] == 'female', 0, inplace=True)
  
# 条件应用 2
#df['math score'].mask(df['math score'] >=60 ,'good', inplace=True)

输出：

使用pandas掩码函数

方法4：替换包含指定字符的字符串

语法： data["列名"].mask(data.列名.str.contains(".*?某字符串"), "替换目标字符串", inplace=True)

import pandas as pd
import numpy as np
  
# data
data= {
    'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
    'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
    'math score': [50, 100, '良70', 80, '良75', 40],
    'test preparation': ['none', 'completed', 'none', 'completed', 
                         'completed', 'none'],
}
  
# 创建一个 Dataframe 对象
df = pd.DataFrame(data)
  
# 条件应用 
data["math score"].mask(data.math score.str.contains(".*?良"), "良好", inplace=True)

使用pandas掩码函数

到此这篇关于Pandas中根据条件替换列中的值的四种方式的文章就介绍到这了,更多相关Pandas 条件替换列值内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python递归函数定义与用法示例
这篇文章主要介绍了Python递归函数定义与用法,结合具体实例形式分析了Python递归函数的原理、实现技巧与相关注意事项,需要的朋友可以参考下
2017-06-06
python pycurl验证basic和digest认证的方法
这篇文章主要介绍了python pycurl验证basic和digest认证的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-05-05
TensorFlow实现模型断点训练,checkpoint模型载入方式
这篇文章主要介绍了TensorFlow实现模型断点训练,checkpoint模型载入方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-05-05
Python如何绘制概率分布直方图浅析
项目中在前期经常要看下数据的分布情况,这对于探究数据规律非常有用,概率分布表示样本数据的模样,使用Python绘制频率分布直方图非常简洁,因为用的频次非常高,这篇文章主要给大家介绍了关于Python如何绘制概率分布直方图的相关资料,需要的朋友可以参考下
2021-12-12
python的类方法和静态方法
这篇文章主要介绍了python的类方法和静态方法,以实例形式分析了Python中类方法和静态方法的实现技巧与应用方法,需要的朋友可以参考下
2014-12-12
Tornado实现多进程/多线程的HTTP服务详解
这篇文章主要介绍了Tornado实现多进程/多线程的HTTP服务详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值
2019-07-07
python将unicode和str互相转化的实现
这篇文章主要介绍了python将unicode和str互相转化的实现，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-05-05
Pycharm 跳转回之前所在页面的操作
这篇文章主要介绍了Pycharm 跳转回之前所在页面的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-02-02
工程师必须了解的LRU缓存淘汰算法以及python实现过程
这篇文章主要介绍了工程师必须了解的LRU缓存淘汰算法以及python实现过程，帮助大家更好的学习算法数据结构，感兴趣的朋友可以了解下
2020-10-10
python中字典(Dictionary)用法实例详解
这篇文章主要介绍了python中字典(Dictionary)用法,以实例形式较为详细的分析了Python字典建立、添加、删除等常见操作技巧,需要的朋友可以参考下
2015-05-05