使用Pandas修改DataFrame中某一列的值
目录
- 1 常规方法
- 2. replace方法
- 补充:DataFrame修改某一行某一列的值[坑点]
- 总结
写这篇博客主要是因为在修改DataFrame列值的时候经常遇到bug,但到目前还没把这种错误复现出来。
DataFrame是Pandas中的主要数据结构之一,本篇博客主要介绍如何DataFrame中某一列的值进行修改。
1 常规方法
这部分主要介绍修改DataFrame列值的常规方法。为了方便后续说明先构建如下数据:
import pandas as pd import numpy as np df=pd.DataFrame([['A',1],['B',2],['C',5],['D',4],['E',10],['F',13],['G',8]], columns=['col_1','col_2'], index=list('abcdefg'))
df结果如下:
- 使用常量修改DataFrame列的值
使用一个常量对DataFrame列中的数据进行修改时,代码举例如下:
df1=df.copy() df1['col_1']='H' df1.loc[['a','c','d'],'col_2']=100 #将指定索引的列值进行修改 df1.iloc[4:,-1]=200
df1的结果如下:
- 使用List\array修改DataFrame列的值
当需要对DataFrame列中的多个值进行修改时,可以使用List或array等变量型数据来对其进行修改。具体代码如下:
df2=df.copy() df2['col_1']=list(range(7)) df2.loc[df2.index<='d','col_2']=np.array([15,20,25,30]) df2.iloc[4:,-1]=np.array([10,5,0])
df2的结果如下:
- 使用Series/DataFrame修改DataFrame列的值
除了以上两种数据类型之外,还可以使用Series型数据来修改DataFrame列的值。但使用这种方法时,需要索引对齐,否则会出错。具体举例如下:
df3=df.copy() df3['col_1']=pd.Series([1,2,3,4,5,6,7]) #索引不对齐时不会报错,但没有成功修改列值。 df3.loc[['a','b','c'],'col_2']=pd.Series([100,200,300],index=list('abc')) df3.iloc[3:,-1]=pd.DataFrame([[4000],[5000],[6000],[7000]],index=list('cdef'))
其结果如下:
2. replace方法
DataFrame对象自带的方法replace()也可以实现列值的修改。该方法中的参数主要有以下几个:
参数 | 作用 |
---|---|
to_replace | 确定需要修改列值的数据。可接受的数据类型有:str, regex, list, dict, Series, int, float, or None |
value | 指定修改后的值。可接受的数据类型有:scalar, dict, list, str, regex, default None |
inplace | 是否本地置换 |
limit | 指定前后填充的最大次数 |
regex | 正则表达式符号。如果需要在to_replace中使用字符串形式的正则表达式对数据进行筛选的话,需要将其设置为True。 |
method | 填充方式。‘pad’, ‘ffill’, ‘bfill’, None |
创建如下数据,具体如下:
df=pd.DataFrame([['A','A'],['B','B'],['C',5],['D',4]], columns=['col_1','col_2'], index=list('abcd'))
df的结果如下:
- 对整个DataFrame中的指定数据进行替换
#A替换为aaa,B替换为bbb,4替换为100 df_1=df.replace(to_replace=['A','B',4],value=['aaa','bbb',100]) #将A替换为AAAA df_2=df.replace(to_replace='A',value='AAAA') #将A替换为AAAAA,5替换为2000 df_3=df.replace(to_replace={"A":'AAAAA',5:2000})
其结果如下:
- 对DataFrame中的不同列指定不同的替换方式
#对于col_1列:将A替换为1,B替换为2 #对于col_2列:将A替换为100,B替换为200 df_4=df.replace({"col_1":{'A':1,'B':2},"col_2":{"A":100,"B":200}})
其结果如下:
- 使用正则表达式筛选数据
#将A\B替换成new df_5=df.replace(to_replace=r'[AB]',value='new',regex=True)
其结果如下:
补充:DataFrame修改某一行某一列的值[坑点]
# df.iloc[index]['column_name'] = val 这种方式是错误的 df['column_name'].iloc[i] = val # 正确
总结
到此这篇关于使用Pandas修改DataFrame中某一列值的文章就介绍到这了,更多相关Pandas修改DataFrame某一列的值内容请搜索我们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我们!
赞 (0)