pandas.DataFrame.replace

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

Замена значений, указанных в to_replace, на value.

Значения DataFrame заменяются другими значениями динамически. Это отличается от обновления с помощью .loc или .iloc, которые требуют указать место для обновления с каким-то значением.

Параметры:	to_replace : str, regex, list, dict, Series, int, float, or None Как найти значения, которые будут заменены. число, строка или регулярное выражение: число: числовые значения, равные to_replace, будут заменены на value строка: строка, точно совпадающая с to_replace, будет заменена на value регулярное выражение: регулярные выражения, соответствующие to_replace, будут заменены на value список строк, регулярных выражений или чисел: Во-первых, если to_replace и value являются списками, они должны быть одинаковой длины. Во-вторых, если regex=True , то все строки в обоих списках будут интерпретированы как регулярные выражения, в противном случае они будут соответствовать непосредственно. Это не так важно для value, так как есть только несколько возможных подстановочных регулярных выражений, которые вы можете использовать. Правила для строк, регулярных выражений и чисел применяются как указано выше. словарь: Словари могут использоваться для указания разных значений замены для разных существующих значений. Например, {'a': 'b', 'y': 'z'} заменяет значение 'a' на 'b', а 'y' на 'z'. Чтобы использовать словарь таким образом, параметр value должен быть None. Для DataFrame словарь может указать, что разные значения должны быть заменены в разных столбцах. Например, {'a': 1, 'b': 'z'} ищет значение 1 в столбце 'a' и значение 'z' в столбце 'b' и заменяет эти значения на то, что указано в value. В этом случае параметр value не должен быть None. Для DataFrame вложенные словари, например, {'a': {'b': np.nan}}, читаются следующим образом: ищется значение 'b' в столбце 'a' и заменяется на NaN. Чтобы использовать вложенный словарь таким образом, параметр value должен быть None. Можно также вкладывать регулярные выражения. Обратите внимание, что имена столбцов (ключи словаря верхнего уровня во вложенном словаре) не могут быть регулярными выражениями. None: Это означает, что аргумент regex должен быть строкой, скомпилированным регулярным выражением или списком, словарем, массивом ndarray или Series таких элементов. Если value также является None, то это должен быть вложенный словарь или Series. См. раздел примеров для примеров каждого из них. value : scalar, dict, list, str, regex, default None Значение для замены любых значений, соответствующих to_replace. Для DataFrame можно использовать словарь значений для указания значения, которое нужно использовать для каждого столбца (столбцы, не указанные в словаре, не будут заполнены). Также разрешены регулярные выражения, строки и списки или словари таких объектов. inplace : bool, default False Если True, на месте. Примечание: это изменит любые другие представления этого объекта (например, столбец из DataFrame). Возвращает вызывающий объект, если это True. limit : int, default None Максимальный размер разрыва для заполнения вперед или назад. regex : bool or same types as to_replace, default False Следует ли интерпретировать to_replace и/или value как регулярные выражения. Если это True, то to_replace должен быть строкой. В противном случае это может быть регулярное выражение или список, словарь или массив регулярных выражений, в этом случае to_replace должен быть None. method : {‘pad’, ‘ffill’, ‘bfill’, None} Метод, используемый при замене, когда to_replace является скаляром, списком или кортежем, а value является None. Изменено в версии 0.23.0: Добавлено в DataFrame.
Возвращает:	DataFrame Объект после замены.
Возможные исключения:	AssertionError Если regex не является bool и to_replace не является None. TypeError Если to_replace является dict и value не является list, dict, ndarray, или Series Если to_replace является None и regex не может быть скомпилирован в регулярное выражение или является списком, словарем, массивом ndarray или Series. При замене нескольких bool или datetime64 объектов, и аргументы to_replace не соответствуют типу заменяемого значения ValueError Если list или ndarray передаются в to_replace и value, но они не имеют одинаковой длины.

См. также

DataFrame.fillna

Заполнение пропущенных значений.

DataFrame.where

Замена значений на основе булевого условия.

Series.str.replace

Простая замена строк.

Примечания

• Подстановка регулярных выражений выполняется в скрытом режиме с re.sub. Правила подстановки для re.sub такие же.
• Регулярные выражения будут подставляться только в строках, что означает, что вы не можете, например, предоставить регулярное выражение, соответствующее числам с плавающей точкой, и ожидать, что столбцы в вашей таблице, имеющие числовой тип данных, будут соответствовать. Однако, если эти числа с плавающей точкой являются строками, то вы можете это сделать.
• У этого метода очень много параметров. Вам рекомендуется экспериментировать и играть с этим методом, чтобы получить интуитивное представление о том, как он работает.
• Когда в качестве значения to_replace используется словарь, ключи(и) в словаре являются частью to_replace, а значения(и) в словаре являются параметром value.

Примеры

Скалярное `to_replace` и `value`

>>> s = pd.Series([0, 1, 2, 3, 4])
>>> s.replace(0, 5)
0    5
1    1
2    2
3    3
4    4
dtype: int64

>>> df = pd.DataFrame({'A': [0, 1, 2, 3, 4],
...                    'B': [5, 6, 7, 8, 9],
...                    'C': ['a', 'b', 'c', 'd', 'e']})
>>> df.replace(0, 5)
   A  B  C
0  5  5  a
1  1  6  b
2  2  7  c
3  3  8  d
4  4  9  e

Список-подобное `to_replace`

>>> df.replace([0, 1, 2, 3], 4)
   A  B  C
0  4  5  a
1  4  6  b
2  4  7  c
3  4  8  d
4  4  9  e

>>> df.replace([0, 1, 2, 3], [4, 3, 2, 1])
   A  B  C
0  4  5  a
1  3  6  b
2  2  7  c
3  1  8  d
4  4  9  e

>>> s.replace([1, 2], method='bfill')
0    0
1    3
2    3
3    3
4    4
dtype: int64

Словарь-подобное `to_replace`

>>> df.replace({0: 10, 1: 100})
     A  B  C
0   10  5  a
1  100  6  b
2    2  7  c
3    3  8  d
4    4  9  e

>>> df.replace({'A': 0, 'B': 5}, 100)
     A    B  C
0  100  100  a
1    1    6  b
2    2    7  c
3    3    8  d
4    4    9  e

>>> df.replace({'A': {0: 100, 4: 400}})
     A  B  C
0  100  5  a
1    1  6  b
2    2  7  c
3    3  8  d
4  400  9  e

Регулярное выражение `to_replace`

>>> df = pd.DataFrame({'A': ['bat', 'foo', 'bait'],
...                    'B': ['abc', 'bar', 'xyz']})
>>> df.replace(to_replace=r'^ba.$', value='new', regex=True)
      A    B
0   new  abc
1   foo  new
2  bait  xyz

>>> df.replace({'A': r'^ba.$'}, {'A': 'new'}, regex=True)
      A    B
0   new  abc
1   foo  bar
2  bait  xyz

>>> df.replace(regex=r'^ba.$', value='new')
      A    B
0   new  abc
1   foo  new
2  bait  xyz

>>> df.replace(regex={r'^ba.$': 'new', 'foo': 'xyz'})
      A    B
0   new  abc
1   xyz  new
2  bait  xyz

>>> df.replace(regex=[r'^ba.$', 'foo'], value='new')
      A    B
0   new  abc
1   new  new
2  bait  xyz

Обратите внимание, что при замене нескольких bool или datetime64 объектов, типы данных в параметре to_replace должны соответствовать типу заменяемого значения:

>>> df = pd.DataFrame({'A': [True, False, True],
...                    'B': [False, True, False]})
>>> df.replace({'a string': 'new value', True: False})  # raises
Traceback (most recent call last):
    ...
TypeError: Cannot compare types 'ndarray(dtype=bool)' and 'str'

Это вызывает TypeError, так как один из ключей dict не имеет правильного типа для замены.

Сравните поведение s.replace({'a': None}) и s.replace('a', None), чтобы понять особенности параметра to_replace:

>>> s = pd.Series([10, 'a', 'a', 'b', 'a'])

Когда используется словарь в качестве значения to_replace, это как если бы значения(я) в словаре были равны параметру value.

s.replace({'a': None}) эквивалентно s.replace(to_replace={'a': None}, value=None, method=None):

>>> s.replace({'a': None})
0      10
1    None
2    None
3       b
4    None
dtype: object

Когда value=None и to_replace являются скаляром, списком или кортежем, replace использует параметр метода (по умолчанию 'pad') для выполнения замены. Поэтому именно поэтому значения 'a' заменяются на 10 в строках 1 и 2, а 'b' в строке 4 в этом случае. Команда s.replace('a', None) фактически эквивалентна s.replace(to_replace='a', value=None, method='pad'):

>>> s.replace('a', None)
0    10
1    10
2    10
3     b
4     b
dtype: object