Pandas中批量替换字符的六种方法总结
作者：Python爬虫与数据挖掘
这篇文章主要为大家介绍了Pandas中实现批量替换字符的六种方法，文中的示例代码讲解详细，对我们学习或工作有一定帮助，需要的可以参考一下
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：
三、总结
这篇文章基于粉丝提问，针对有一列编码为1，2，3，4的数据，如何将1批量换为“开心”，2批量换为“悲伤”这种字符替换的问题，盘点了6个Pandas中批量替换字符的方法，给出了具体说明和演示，顺利地帮助粉丝解决了问题！
以上就是Pandas中批量替换字符的六种方法总结的详细内容，更多关于Pandas替换字符的资料请关注脚本之家其它相关文章！