pandas 更改数据apply/applymap/map/replace

本文主要是介绍pandas 更改数据apply/applymap/map/replace，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

改变表格内容

选择一个并赋值

df.loc[1,'name']='starfish' #选择第二行 name标签下的值更改为starfish

选择多个使用列表来赋值

df.loc[1,['name','age']]=['starfish', 18 ]

数据类型转换

df['age'].astype(float)

nan的默认类型是float，因此计算有缺失值nan列的平均值时，应将该列的数值类型变为float计算。

apply/applymap/map/replace方法

• apply()

  df.email.apply(funcname)
df.email.apply(len) #使用自定义函数 lambda 内置函数都可以

  [tips]

  1. apply()对dataframe来说是针对Series使用

  2. apply()对Series来说是针对Series中的每一个元素使用

• applymap()
  applymap针对整个dataframe中的每一个元素使用

• map()/replace()
  df.map({'from1':'to1','from2':'to2'})

  [TIPS] :

  • map与replace不同的是会将字典中没有映射的变为NAN，而replace则将其保持原样。

  • 注意map()/replace()都是针对一个元素的所有内容。例如要查找shell替换为shell_script，而一个表格内容为shell/c++ 则不替换，因为该元素内的内容不仅仅是shell。

• replace()与.str.replace()区别

  replace 针对整个内容，例如要查找shell替换为shell_script，而一个表格内容为shell/c++ 则不替换。

  .str.replace 针对一个元素内部字符串的内容,例如要查找shell替换为shell_scrip，而一个表格内容为shell/c++ 则替换为shell_script/c++。

这篇关于pandas 更改数据apply/applymap/map/replace的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---