如何使用 python pandas 替换列中的特定数字。答案

【问题标题】：How to replace specific digits in column using python pandas.如何使用 python pandas 替换列中的特定数字。
【发布时间】：2018-12-20 02:45:06
【问题描述】：

如何在不影响其他字符的情况下替换熊猫数据框列中的特定数字？我有一个类似这样的大型 csv 文件：

data = pd.read_csv("meter.csv")
data.head()
Out[10]:
     value  temp1  temp2
0   34 02:0   16.0     17 
1   36 06:0    8.0     27
2   28 10:0   18.0     21
3   34 02:0   16.0     17 
4   36 06:0    8.0     27
5   28 10:0   18.0     21
6   34 02:0   16.0     17 
7   36 06:0    8.0     27
8   28 10:0   18.0     21

如果value.str[3:5] == 10 使用00，我想替换value 列值

我需要的输出：

     value  temp1  temp2
0   34 02:0   16.0     17 
1   36 06:0    8.0     27
2   28 00:0   18.0     21
3   34 02:0   16.0     17 
4   36 06:0    8.0     27
5   28 00:0   18.0     21
6   34 02:0   16.0     17 
7   36 06:0    8.0     27
8   28 00:0   18.0     21

我尝试使用pd.str.replace 参考：pandas.Series.str.replace。但无法实现。

我的代码：data['value'] = data['value'].str[3:5].replace('10','00') 这给出了输出：

   value  temp1  temp2
0   02   16.0     17 
1   06    8.0     27
2   00   18.0     21
3   02   16.0     17 
4   06    8.0     27
5   00   18.0     21

它正在用新值替换整个值。谁能帮我解决这个问题。谢谢！

【问题讨论】：

标签： python pandas dataframe conditional-statements str-replace

【解决方案1】：

你可以使用 np.where

df.value=np.where(df.value.str[3:5]=='10',df.value.str[:3]+'10'+df.value.str[5:],df.value)
df
Out[21]: 
     value  temp1  temp2
0  34 02:0   16.0     17
1  36 06:0    8.0     27
2  28 10:0   18.0     21
3  34 02:0   16.0     17
4  36 06:0    8.0     27
5  28 10:0   18.0     21
6  34 02:0   16.0     17
7  36 06:0    8.0     27
8  28 10:0   18.0      2

或受到托马斯的启发

df.value.str.replace(r'\s10\:',' 00:')

【讨论】：

非常感谢您提供替代解决方案！

【解决方案2】：

使用str.slice

mask=df.value.str.slice(3,5) =='10'

df.loc[mask, 'value'] = df.loc[mask].value.str.slice(0,3) + '00' +  df.loc[mask].value.str.slice(5,)

【讨论】：

【解决方案3】：

data['value'].str[3:5].replace('10','00') 返回一个pd.Series，由[3:5] 切片的每个字符串组成，每行应用replace 方法。您正在寻找的是返回整个字符串，并在与您的条件匹配的每一行中应用replace，可以这样实现：

import pandas as pd

data = pd.DataFrame({ # small part of your DF
    'value': ['34 02:0', '36 06:0', '28 10:0'], # Third row should be changed
    'temp1': [16.0, 8.0, 18.0],
    'temp2': [17, 27, 21] 
})

mask = data['value'].str[3:5] == '10'
data.loc[mask, 'value'] = data.loc[mask, 'value'].str.replace('10', '00')

>>> print(data)
     value  temp1  temp2
0  34 02:0   16.0     17
1  36 06:0    8.0     27
2  28 00:0   18.0     21 # Third row changes, yay!

如果有一个值多次匹配“10”，例如10 10:0，则此代码可能会引入错误。你可以通过调用.replace('10:', '00:') 来解决这个问题。

您也可以只使用正则表达式来匹配 r'\s10\:' 之类的内容并调用 .replace(re.compile(r'\s10\:'), ' 00:')。

import re

r = re.compile(r'\s10\:')
data['value'] = data['value'].str.replace(r, ' 00:', regex=True) # no need to define a condition at all

>>> print(data)
     value  temp1  temp2
0  34 02:0   16.0     17
1  36 06:0    8.0     27
2  28 00:0   18.0     21

根据您的情况，最后一个解决方案不如第一个解决方案那么明确。

【讨论】：

精彩而清晰的解释！非常感谢！
精彩而清晰的解释！非常感谢！

【解决方案4】：

如果有多个条件和选择，我更喜欢

condition = [df.value.str[3:5]=='10']
choice= [df.value.str[:3]+'10'+df.value.str[5:]]
df.value= np.select(condition,choice,default=df.value)

#inspired by Beny

输出

  value  temp1  temp2
0  34 02:0   16.0     17
1  36 06:0    8.0     27
2  28 10:0   18.0     21
3  34 02:0   16.0     17
4  36 06:0    8.0     27
5  28 10:0   18.0     21
6  34 02:0   16.0     17
7  36 06:0    8.0     27
8  28 10:0   18.0      2

【讨论】：