pandas数据处理--2映射replace函数、map函数

2.映射

2.1映射含义说明：创建一个映射关系列表，把values元素和一个特定的标签或者字符串绑定
2.2相关操作函数：
2.2.1 replace()函数：替换元素（DataFrame\Series的函数)
A.函数：df.replace(to_replace=None,value=None,inplace=False,limit=None,regex=False,method=‘pad’)
B.参数解析：
to_replace：str，regex，list，dict，Series，int，float或None，将被替换的值；
value：标量，字典，列表，str，正则表达式，要替换的值；
inplace：True就地修改；
limit：int，限制向前或向后填充的数量；
regex：bool或与to_replace相同的类型;正则表达式；
method： {‘pad’, ‘ffill’,‘backfill’, ‘bfill’, None}；pad/ffill：用前一个非缺失值去填充该缺失值； backfill/bfill：用下一个非缺失值填充该缺失值
； None：指定一个值去替换缺失值（缺省默认这种方式）

C1. to_replace=None,value=None实战：
无特定字段下更换值：

指定字段下更换值：

指定元素下更换值：

字典：不写value，用字典形式对值更换：

正则：用正则形式更换：

c2method实战


百度replace函数时发现此文章pandas replace函数使用小结，对其案例写的挺细致的，安利给你，就是没有操作图，可以这两篇文章结合起来看。
D.小注意：DataFrame中，无法使用method和limit参数
DataFrame替换操作：

• 单值替换
  • 普通替换
  • 按列指定单值替换{列标签：替换值}
• 多值替换
  • 列表替换
  • 单字典替换（推荐）

Series替换操作
单值替换
普通替换
字典替换
多值替换
列表替换
字典替换（推荐）
E.练习，点我哦

2.2.2 map()函数：新建一列(Series的函数)
A.map说明： x.map(arg, na_action=None)
----map()可以使用字典映射新一列数据
----map()中可以使用lambd表达式
----map()中可以使用方法，可以是自定义的方法
----map()中不能使用sum之类的函数，for循环
----map(字典) 字典的键要足以匹配所有的数据，否则出现NaN
B.参数解析：
arg : function, dict, or Series
na_action : {None, ‘ignore’}
C.实战：
C1.官方小例子：

C2.map参数是函数：


C3.map参数是表达式

C4.map参数是字典：

2.2.3.transform()和map()类似：
A.使用函数：x.transform(func, axis=0, *args, **kwargs)
B.参数解析：
func:函数，str，列表或字典
axis:{0或’index’，1或’columns’}，默认0;如果为0或’index’：将函数应用于每一列。如果为1或“列”：将函数应用于每一行
*args:位置参数传递给func
**kwargs:要传递给func的关键字参数
C实战：


D.练习，点我哦

2.2.4 rename()函数：替换索引(DataFrame的函数)
A.使用函数：DataFrame.rename（self，mapper = None，index = None，column = None，axis = None，copy = True，inplace = False，level = None，errors =‘ignore’ ）
B.参数解析：参考官方网站

C.实战：
官方例子

E.小结：
使用rename()函数替换行索引

• mapper 替换所有索引
• index 替换行索引
• columns 替换列索引
• level 指定多维索引的维度

编者寄：文章内容参考于学习资料。文章面向小白也可能会被行业前辈看到，为避免知识误导，若文章有错误，还请过路朋友指出，末学好及时更正，评论区见～