pandas.Series.replace

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

Замена значений, указанных в to_replace, на value.

Значения Series заменяются другими значениями динамически. Это отличается от обновления с помощью .loc или .iloc, которые требуют указания местоположения для обновления некоторым значением.

Параметры:	to_replace : str, regex, list, dict, Series, int, float, or None Как найти значения, которые будут заменены. числовое значение, строка или регулярное выражение: числовое значение: 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 числовых значений: Во-первых, если to_replace и value являются списками, они должны иметь одинаковую длину. Во-вторых, если regex=True , то все строки в обоих списках будут интерпретированы как регулярные выражения, иначе они будут сопоставляться напрямую. Это не так важно для value, так как существует всего несколько возможных подстановочных регулярных выражений, которые можно использовать. Правила для строк, регулярных выражений и числовых значений применяются как указано выше. словарь: Словари могут быть использованы для указания различных значений замены для разных существующих значений. Например, {'a': 'b', 'y': 'z'} заменяет значение ‘a’ на ‘b’, а ‘y’ на ‘z’. Для использования словаря 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 тем, что указано в value. Параметр value в этом случае не должен быть None. Для DataFrame вложенные словари, например, {'a': {'b': np.nan}}, читаются следующим образом: ищем значение ‘b’ в столбце ‘a’ и заменяем его на NaN. Параметр value должен быть None для использования вложенного словаря таким образом. Регулярные выражения также могут быть вложены. 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 None, то это должно быть вложенный словарь или Series. См. раздел примеров для примеров каждого из них. value : scalar, dict, list, str, regex, default None Значение, на которое будут заменены все значения, соответствующие to_replace. Для DataFrame можно использовать словарь значений для указания, какое значение использовать для каждого столбца (столбцы, не присутствующие в словаре, не будут заполнены). Также допускаются регулярные выражения, строки и списки или словари таких объектов. inplace : bool, default False Если True, выполняется 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 Нужно ли интерпретировать to_replace и/или value как регулярные выражения. Если это True, то to_replace обязательно должно быть строкой. В противном случае это может быть регулярное выражение или список, словарь или массив регулярных выражений, в этом случае to_replace должно быть None. method : {‘pad’, ‘ffill’, ‘bfill’, None} Метод, используемый при замене, когда to_replace является скалярным значением, списком или кортежем, а value — None. Изменено в версии 0.23.0: Добавлено в DataFrame.
Возвращает:	Series 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 скомпилировано 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 переданы в to_replace и value, но они не имеют одинаковой длины.

См. также

Series.fillna

Заполнение пропущенных значений.

Series.where

Замена значений на основе булевого условия.

Series.str.replace

Простая замена строк.

Примечания

• Подстановка регулярных выражений выполняется под капотом с помощью re.sub. Правила подстановки для re.sub такие же.
• Регулярные выражения будут заменять только строки, что означает, что вы не можете, например, указать регулярное выражение, соответствующее числам с плавающей запятой, и ожидать, что столбцы в вашей таблице, имеющие числовой тип данных, будут сопоставляться. Однако, если эти числа с плавающей запятой являются строками, то вы можете это сделать.
• У этого метода очень много параметров. Рекомендуется экспериментировать и играть с этим методом, чтобы получить интуицию о его работе.
• Когда в качестве значения to_replace используется словарь, это означает, что ключи в словаре — это часть to_replace, а значения — это параметр 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 `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 `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, потому что один из ключей dict не имеет правильного типа для замены.

Сравните поведение s.replace({'a': None}) и s.replace('a', None) для понимания особенностей параметра to_replace:

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

Когда в качестве значения to_replace используется словарь, это означает, что значения в словаре равны параметру value.

s.replace({'a': None}) равно 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 — это скаляр, список или кортеж, replace использует параметр method (по умолчанию ‘pad’) для выполнения замены. Поэтому, в данном случае, значения ‘a’ заменяются на 10 в строках 1 и 2, а ‘b’ в строке 4. 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