pandas.Series.replace

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

Заменить значения, заданные в to_replace, на value.

Значения в Series заменяются динамически другими значениями. 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. 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, их длина должна быть одинаковой. Во-вторых, если regex=True , то все строки в обоих списках будут интерпретированы как регулярные выражения, в противном случае они будут сопоставляться напрямую. Это не имеет большого значения для value, так как существует всего несколько возможных заменяющих регулярных выражений, которые можно использовать. Правила для строк, регулярных выражений и числовых значений применяются так же, как и выше. словарь: Словари могут использоваться для указания различных значений замены для различных 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 указывать, что различные 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. Параметр value не должен быть None в этом случае. Это можно рассматривать как частный случай передачи двух списков, за исключением того, что вы указываете столбец, в котором нужно искать. Для DataFrame вложенные словари, например, {'a': {'b': np.nan}}, читаются следующим образом: ищется значение ‘b’ в столбце ‘a’ и заменяется на NaN. Параметр value должен быть None, чтобы использовать вложенный словарь таким образом. Регулярные выражения также можно вкладывать. 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 должен быть вложенный словарь или Series. Примеры каждого из этих вариантов см. в разделе примеров. value : scalar, dict, list, str, regex, default None Значение для замены любых значений, соответствующих to_replace. Для DataFrame можно использовать словарь значений для указания, какое значение 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, 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 Надо ли интерпретировать to_replace и/или value как регулярные выражения. Если это True, то to_replace должен быть строкой. В качестве альтернативы, 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 для использования при замене, когда to_replace является скаляром, 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 компилируется в регулярное выражение или является списком, словарем, массивом ndarray или Series. При замене нескольких bool или datetime64 объектов, и аргументы в 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

Series.fillna

Заполнить пропущенные значения.

Series.where

Заменить значения на основе булевого условия.

Series.str.replace

Простая замена строк.

Примечания

• Замена регулярных выражений выполняется под капотом с помощью re.sub. Правила замены для re.sub такие же.
• Регулярные выражения будут заменять только строки, что означает, что вы не можете, например, предоставить регулярное выражение, соответствующее числам с плавающей точкой, и ожидать, что столбцы в вашем фрейме, которые имеют числовой тип данных, будут сопоставляться. Однако, если эти числа с плавающей точкой являются строками, то вы можете это сделать.
• У этого метода очень много вариантов. Рекомендуется экспериментировать и играть с этим методом, чтобы получить интуицию о том, как он работает.
• Когда в качестве значения to_replace используется словарь, ключи в словаре — это часть to_replace, а значения — значение параметра.

Примеры

Скаляр `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 приводит к ошибке 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 в качестве значения to_replace используется словарь, значения в словаре эквивалентны 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 — скаляр, список или кортеж, replace использует метод (по умолчанию ‘pad’) для замены. Поэтому именно так значения ‘a’ заменяются на 10 в строках 1 и 2 и на ‘b’ в строке 4 в данном 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