Pandas中批量替换字符的方法有哪些

本篇内容介绍了“Pandas中批量替换字符的方法有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

一、前言

前几天在Python最强王者群有个叫【dcpeng】的粉丝问了一个关于Pandas中的问题，这里拿出来给大家分享下，一起学习。

想问一下我有一列编码为1，2，3，4的数据，如何将1批量换为“开心”，2批量换为“悲伤”这种字符替换呢？

二、解决过程

思路挺简单，限定Pandas处理，想到的方法有很多，这里拿出来给大家分享，希望对大家的学习有帮助。

下面这个是生成源数据的代码：

df = pd.DataFrame({'col1': [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]})
df

方法一

代码如下所示：

df['col2'] = df['col1'].map({1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"})
df

运行结果如下图所示：

方法二

这个方法是参考才哥的文章写出来的，代码如下所示：

def getValue(s):
    if s==1:
        return '开心'
    elif s==2:
        return '悲伤'
    elif s==3:
        return '难过'
    elif s==4:
        return '泪目'
df['col3'] = df['col1'].apply(getValue)
df

运行结果如下图所示：

方法三

【冫马讠成】大佬给了一个思路，使用replace实现。

代码如下所示：

df['col4'] = df['col1'].replace(1, '开心').replace(2, '悲伤').replace(3, '难过').replace(4, '泪目')
df

得到的结果如下所示：

方法四

这个方法是基于apply()函数，代码如下所示：

def get_value(s):
    dict = {1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"}
    return dict[s]
df['col5'] = df['col1'].apply(get_value)
df

运行结果如下图所示：

方法五

【沈复】大佬给了一个思路和代码，如下图所示：

这个方法是基于map()函数，代码如下所示：

def get_value(s):
    dict = {1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"}
    return dict[s]
df['col5'] = df['col1'].map(get_value)
df

运行结果如下图所示：

方法六

这里【月神】仍然是使用replace方法进行实现的，但是代码秀了很多。

代码如下所示：

df['col7'] = df['col1'].replace([1, 2, 3, 4], ['开心', '悲伤', '难过', '泪目'])
df

【月神】提醒：这个是全匹配，不要加regex=True参数，不然你会后悔的！

运行结果如下图所示：

“Pandas中批量替换字符的方法有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！