Pandas2.2 Series

Computations descriptive stats

方法	描述
Series.backfill(*[, axis, inplace, limit, …])	用于填充 Series 中缺失值（NaN）的方法
Series.bfill(*[, axis, inplace, limit, …])	用于填充 Series 中缺失值（NaN）的方法
Series.dropna(*[, axis, inplace, how, …])	用于删除 Series 中包含缺失值（NaN）的元素的方法
Series.ffill(*[, axis, inplace, limit, …])	用于填充 Series 中缺失值（NaN）的方法
Series.fillna([value, method, axis, …])	用于填充 Series 中缺失值（NaN）的方法
Series.interpolate([method, axis, limit, …])	用于填充 Series 中缺失值（NaN）的方法
Series.isna()	用于检测 Series 中的缺失值（NaN）的方法
Series.isnull()	用于检测 Series 中的缺失值（NaN）的方法
Series.notna()	用于检测 Series 中的非缺失值（即不是 NaN 或 None）的方法
Series.notnull()	用于检测 Series 中的非缺失值（即不是 NaN 或 None）的方法
Series.pad(*[, axis, inplace, limit, downcast])	用于处理缺失值（NaN）的一种方法
Series.replace([to_replace, value, inplace, …])	用于替换 Series 中特定值或满足某些条件的值的方法

pandas.Series.replace

pandas.Series.replace 是 Pandas 库中用于替换 Series 中特定值或满足某些条件的值的方法。它允许用户指定要替换的值以及替换后的值，支持多种替换方式，包括标量替换、列表替换、字典替换和正则表达式替换等。

参数说明

• to_replace：标量、列表、字典、Series 或正则表达式，默认为 None。
  指定需要被替换的值。如果为标量，则替换所有匹配该值的元素；如果为列表，则替换列表中的每个值；如果为字典，则键表示要替换的值，值表示替换后的值。

• value：标量、可调用对象或 None，默认为 <no_default>。
  替换后的值。如果未指定且 to_replace 是字典，则直接使用字典中的映射关系。

• inplace：布尔值，默认为 False。
  如果为 True，则直接修改原 Series，否则返回一个新的 Series。

• limit：整数，默认为 None。
  指定最多替换的次数（仅适用于逐个替换）。

• regex：布尔值或正则表达式，默认为 False。
  如果为 True，则将 to_replace 视为正则表达式进行匹配。

• method：字符串，默认为 <no_default>。
  指定替换方法，目前支持 'pad' 和 'ffill'（前向填充）以及 'bfill' 和 'backfill'（后向填充）。此参数主要用于处理缺失值。

---

示例及结果

示例 1：基本替换（标量替换）

import pandas as pd# 创建一个示例 Series
s = pd.Series([1, 2, 3, 2, 4])
print("原始 Series:")
print(s)# 使用 replace 方法替换值 2 为 10
replaced_s = s.replace(to_replace=2, value=10)
print("\n替换后的 Series (将 2 替换为 10):")
print(replaced_s)

输出结果：

原始 Series:
0    1
1    2
2    3
3    2
4    4
dtype: int64替换后的 Series (将 2 替换为 10):
0     1
1    10
2     3
3    10
4     4
dtype: int64

---

示例 2：列表替换

# 使用 replace 方法替换多个值 [2, 3] 为 10
replaced_s_list = s.replace(to_replace=[2, 3], value=10)
print("\n替换后的 Series (将 [2, 3] 替换为 10):")
print(replaced_s_list)

输出结果：

替换后的 Series (将 [2, 3] 替换为 10):
0     1
1    10
2    10
3    10
4     4
dtype: int64

---

示例 3：字典替换

# 使用 replace 方法通过字典替换值
replaced_s_dict = s.replace({1: 100, 4: 400})
print("\n替换后的 Series (通过字典替换 {1: 100, 4: 400}):")
print(replaced_s_dict)

输出结果：

替换后的 Series (通过字典替换 {1: 100, 4: 400}):
0    100
1      2
2      3
3      2
4    400
dtype: int64

---

示例 4：正则表达式替换

# 创建一个包含字符串的 Series
s_str = pd.Series(['foo', 'bar', 'baz', 'qux'])
print("原始 Series:")
print(s_str)# 使用 replace 方法通过正则表达式替换以 'b' 开头的字符串为 'X'
replaced_s_regex = s_str.replace(to_replace='^b.*', value='X', regex=True)
print("\n替换后的 Series (通过正则表达式替换 ^b.* 为 X):")
print(replaced_s_regex)

输出结果：

原始 Series:
0    foo
1    bar
2    baz
3    qux
dtype: object替换后的 Series (通过正则表达式替换 ^b.* 为 X):
0    foo
1      X
2      X
3    qux
dtype: object

---

示例 5：inplace 修改

# 直接在原 Series 上进行替换
s.replace(to_replace=2, value=10, inplace=True)
print("\n使用 inplace 参数后的 Series:")
print(s)

输出结果：

使用 inplace 参数后的 Series:
0     1
1    10
2     3
3    10
4     4
dtype: int64

---

总结

replace 方法提供了灵活的替换功能，可以处理标量、列表、字典和正则表达式等多种替换场景。通过合理设置参数，可以实现复杂的数据清洗和转换操作。