pandas将值更改为nan

27 浏览
0 Comments

pandas将值更改为nan

我已经查阅了这个问题，大部分问题都是关于更复杂的替换。然而在我的情况下，我有一个非常简单的数据框作为测试样本。

目标是将数据框中的任何位置的字符串替换为 nan，然而这似乎不起作用（即不替换；没有任何错误）。我尝试用另一个字符串替换，也不起作用。例如：

d = {'color' : pd.Series(['white', 'blue', 'orange']),
   'second_color': pd.Series(['white', 'black', 'blue']),
   'value' : pd.Series([1., 2., 3.])}
df = pd.DataFrame(d)
df.replace('white', np.nan)

输出仍然是：

      color second_color  value
  0   white        white      1
  1    blue        black      2
  2  orange         blue      3

这个问题通常使用 inplace=True 来解决，但是有一些注意事项。请参阅Understanding inplace=True in pandas。

0

3 答案

0 Comments

问题原因：在这个例子中，既使用了inplace=True，也使用了regex=True，但都没有起到想要的效果。

解决方法：根据作者的经验，他找到了使用Series.str.replace的解决方法，它可以用于替换子字符串。在第一个示例中，作者使用df['color'] = df.color.str.replace('e', 'E!')将color列中的e替换为E!。在第二个示例中，作者使用df.loc[df.color=='blue', 'color'] = df.color.str.replace('e', 'E!')只在color列中的特定条件下进行替换。

整理后的文章如下：

在这个例子中，作者尝试使用inplace=True和regex=True来替换数据框中的值，但发现这两个参数都没有起到预期的效果。然后作者通过查阅文档，找到了使用Series.str.replace的解决方法。

Series.str.replace是一个用于替换子字符串的方法。通过将这个方法应用于数据框的列，我们可以轻松地将指定的子字符串替换为新的值。

在第一个示例中，作者使用了如下代码：

df['color'] = df.color.str.replace('e', 'E!')

这行代码将color列中的所有e替换为E!。结果如下：

     color second_color  value
0   whitE!        white    1.0
1    bluE!        black    2.0
2  orangE!         blue    3.0

第二个示例中，作者只想在color列中满足特定条件的行中进行替换。作者使用了如下代码：

df.loc[df.color=='blue', 'color'] = df.color.str.replace('e', 'E!')

这行代码会在color列中，满足条件df.color=='blue'的行中，将e替换为E!。结果如下：

    color second_color  value
0   white        white    1.0
1   bluE!        black    2.0
2  orange         blue    3.0

通过使用Series.str.replace，作者成功地将指定的子字符串替换为新的值，解决了无法使用inplace=True和regex=True的问题。

文章结束。

0
0 Comments

问题出现的原因是，大多数pandas操作都返回一个副本，默认情况下param inplace为False，即不会对原始数据进行修改。因此，如果我们使用replace函数来替换特定的值为NaN时，需要将df.replace的结果重新赋值给df，或者设置inplace参数为True。

解决方法是将df.replace的结果重新赋值给df，或者设置inplace参数为True。例如，可以使用以下代码来替换df中的'white'为NaN：

df = df.replace('white', np.nan)

或者可以使用以下代码来实现相同的效果：

df.replace('white', np.nan, inplace=True)

需要注意的是，有一些真正的bug会导致replace函数在某些情况下无法正常工作。如果遇到类似的问题，可以参考相关的issue进行解决。

除了replace函数，还有其他的操作也可以使用相同的解决方法，即将操作的结果重新赋值给原始的df，或者设置inplace参数为True。例如，可以使用以下代码来移除df中的空格和其他字符：

df = df.replace(regex=r'\s+', value='')

最后，需要注意的是，现在已经不推荐使用df.foo(x, y, inplace=True)的写法，而是推荐使用df = df.foo(x, y)的写法。这样可以避免一些inplace参数无效的问题。

0
0 Comments

问题出现的原因：使用pandas的replace函数时，如果不打开regex开关，replace函数会进行全量替换搜索，而不是部分替换。

解决方法：在使用replace函数时，需要将regex参数设置为True，这样replace函数就会执行部分替换。

示例代码如下：


import pandas as pd
# 创建示例数据
data = {'col1': ['abc', 'def', 'ghi']}
df = pd.DataFrame(data)
# 使用replace函数进行部分替换
df['col1'].replace('a', 'new', regex=True, inplace=True)
# 输出替换后的结果
print(df)

运行以上代码，即可实现将字符串中的某个部分替换为指定的值。

0