[人工智能]Python 修改筛选数据的4种方法及函数where()、replace()的用法介绍（附Python代码）

背景概述

原始数据的整理和清洁过程中，有时需要对符合某些条件要求的数据进行更新，如：对条件筛选出来的记录赋予新数值或字符串；按类别建立新的特征属性等，本文小结了修改或匹配数据记录方法。

方法与函数简介

1. replace()函数：找到对应的数值或字符串直接赋予新值：df.replace(old, new)
2. where()函数：替换where条件为False的值：df.where(cond, x, y)
3. 使用索引值进行修改：df[“column_name”].iloc[index]
4. 使用字典进行匹配修改：df[“column_name”].map(dict)

示例代码(Python代码)

1. replace()函数：直接查找并替换数值或字符串 – 如df.replace(old, new)
DataFrame.replace（to_replace = None，value = None，inplace = False，limit = None，regex = False，method =‘pad’ )
替换给定的值to_replace：str，regex，list，dict，Series，int，float或None
如果regex=True则to_replace里的所有字符串都将被解释为正则表达

import numpy as np
import pandas as pd
# 举例1： 对整个数据表中的某个数值或字符串直接修改
li = [[1, 100],
      [100, 30], 
      [3, 100]]
df = pd.DataFrame(li, columns=["A", "B"])
display(df)

df = df.replace(100, "aa")
df

小结：表格中的所有为100的数字都被替换为"aa"字符串。

# 举例2：对表格中某个特征列的数据或字符串进行替换修改
df["B"] = df["B"].replace(“aa", 50)
df

小结：表格中特征列B中的"aa"字符串都被修改为数值100，但是特征列A中的"aa"字符串则没有被修改

2. where()函数：替换where条件为False的值 – 如df.where(cond, other) 或 df.where(cond, x, y)

where(cond, other=nan, inplace=False, axis=None, level=None, errors=‘raise’, try_cast=False)
替换where条件为False的值，cond：bool Series/DataFrame, array-like,或 callable
当cond为True时，保持原始值。 当为False时，用other的相应值替换。
如果cond是可调用的，它将根据Series/DataFrame计算，并且应该返回boolean Series/DataFrame或array。
可调用对象不能更改输入Series/DataFrame(尽管panda不检查它)。
other：scalar, Series/DataFrame, 或 callable；cond为假的条目被替换为other的相应值。

# 举例3：where()函数在Series中的应用
# 将小于2的数据替换为100（即设定other=100，通常other默认为NaN）
s = pd.Series(range(1, 6))
s.where(s > 2, 100)

小结：s中的1，2由于不符合条件（>2），被替换修改为100（other=100）

# 举例4：where()函数在DataFrame中的使用 -- np.where(cond, x, y)
# 如果特征列A的数据小于或等于5，特征列C则等于特征列B的数值
# 如果特征列A的数据大于5，特征列C则等于特征列B的数值加上特征列A的数值
df = pd.DataFrame(np.arange(1, 11).reshape(-1, 2), columns=["A", "B"])
display(df)

df["C"] = np.where(df["A"]<=5, df["B"], (df["B"] + df["A"]))
df

小结：表格中的特征列A的数据大于或等于5的时候，对应特征列C的数据等同于特征列B的数据；当特征列A的数据大于5时，对应特征列C的数据则为：特征列B的数据与特征列A的数据相加的值。

3. 根据条件筛选出来的数据记录的索引值进行替换修改：df[“column_name”].iloc[index]

# 举例5：通过数据的索引值进行替换修改
# 当特征列A的数据为5或9时，则特征列C等于特征列B的数值加上特征列A的数值
# 当特征列A的数据不是5或9时，特征列C将等于特征列B的数值
df = pd.DataFrame(np.arange(1, 11).reshape(-1, 2), columns=["A", "B"])
print(df)

df["C"] = df["B"]
# 根据条件对特征列A进行筛选，并获取对应的数据记录的索引值
index = df[df["A"].isin([5, 9])].index
# 根据索引值进行数据的替换或修改
df["C"].iloc[index] = df["A"].iloc[index] + df["B"].iloc[index]
df

4. 使用字典进行匹配修改：df[“column_name”].map(dict)

# 举例6：使用表格df2的数据对表格df的数据进行匹配而建立新的特征属性
# 建立数据表格df 和df2
li1 = ["aa", "bb", "cc", "aa", "cc"]
li2 = np.arange(1, 6)
df = pd.DataFrame([li1, li2], index=["A", "B"]).T
display(df)
df2 = pd.DataFrame([["aa", "1st"], ["bb", "2nd"], ["cc", "3rd"]], columns=["S", "C"])
df2

# 将表格df2的数据拆分并建立为字典
dict_ = dict(zip(df2.S, df2.C))
display(dict_)
# 使用map()函数对表格df进行匹配并对df建立新的特征列
df["C"] = df["A"].map(dict_)
df

小结：
对于这种2个表格的匹配修改，也可以使用merge(), concat()函数进行表格的合并处理，同样能达到这种效果。

开发者涨薪指南

48位大咖的思考法则、工作方式、逻辑体系