用熊猫中另一个数据帧的值替换一个数据帧的值
在本文中，我们将学习如何使用熊猫用另一个数据帧的值替换一个数据帧的值。
可以使用data frame.replace()方法完成。它用于替换正则表达式、字符串、列表、序列、数字、字典等。从数据框中，数据框方法的值被动态替换为另一个值。这是一个非常丰富的功能，因为它有很多方法。本教程解释了如何在实践中使用这些方法的不同示例。
语法:数据帧.替换(旧值，新值)
参数:
- 旧值:这是要替换的旧子串。
- 新值:这是新的子串，将替换旧的子串。
例子
在这里，我们将创建一些数据，用于进一步的示例。
蟒蛇 3
import pandas as pd
# initialise data of lists.
colors = {'first_set': ['99', '88', '77', '66',
'55', '44', '33', '22'],
'second_set': ['1', '2', '3', '4', '5',
'6', '7', '8']
}
color = {'first_set': ['a', 'b', 'c', 'd', 'e',
'f', 'g', 'h'],
'second_set': ['VI', 'IN', 'BL', 'GR',
'YE', 'OR', 'RE', 'WI']
}
# Calling DataFrame constructor on list
df = pd.DataFrame(colors, columns=['first_set', 'second_set'])
df1 = pd.DataFrame(color, columns=['first_set', 'second_set'])
# Display the Output
display(df)
display(df1)
输出:
示例 1: 将数据帧的 first_set 的“e”值替换为“88”值。
蟒蛇 3
# selecting old value
a = df1['first_set'][4]
# selecting new value
b = df['first_set'][1]
# replace values of one DataFrame
# with the value of another DataFrame
df1 = df1.replace(a,b)
# Display the Output
display(df1)
输出:
示例 2: 将数据帧的 first_setof 的“55”值替换为“b”值。
蟒蛇 3
# Display the Output
display(df)
display(df1)
# Selecting old value
a = df['first_set'][4]
# Selecting new value
b = df1['first_set'][1]
# replace values of one DataFrame with
# the value of another DataFrame
df = df.replace(a,b)
# Display the Output
display(df)
输出:
示例 3: 现在让我们将数据帧的“first_set”列下的“55”值替换为“Hello”值，将“VI”值替换为“Geeks”值。
蟒蛇 3
#selected value
a = df['first_set'][4]
b = df1['second_set'][1]
# replace values of one DataFrame with
# the value of another DataFrame
df = df.replace(a,'Hello')
# replace values of one DataFrame with
# the value of another DataFrame
df1 = df1.replace(b,'Geeks')
display (df)
display(df1)
输出:
示例 4: 现在让我们用另一个数据帧的列替换一个数据帧的整列。
蟒蛇 3
# replace column of one DataFrame with
# the column of another DataFrame
df['second_set'] = df1.replace(df['first_set'],df['second_set'])
display(df)
输出:
例 5: 这里，df1.first_set[df1.first_set = = ' 66 ']= ' DF1 '的意思是首先我们在 DF1 的 first_set 中找到' 66 '，之后我们在相同的位置用' DF1 '替换那个值(' 66 ')。
蟒蛇 3
# replaceing value of DataFrame
df1.first_set[df1.first_set == '66'] = 'DF1'
df2.first_set[df2.first_set == 'g'] = 'DF2'
# display updated table
display(df1)
display(df2)
输出:
示例 6: 在本例中，我们创建了另一个数据帧‘df2’和‘df3’来替换‘df1’的值。这里“df2”“df3”的值将通过更新方法传递，然后它将找到“df1”中存在的匹配实体，在找到之后，它将用“df2”“df3”值更新该值。函数的作用是:更新给定 Series 对象中传递的索引所标识的值。
语法: df.update(其他)
参数:
- 其他:系列
蟒蛇 3
import pandas as pd
# Creating dataframe
df1 = pd.DataFrame([["rumul", 10, 12, 10],
["rahul", 10, 11, 16],
["purvi", 18, 14, 10],
["ravi", 20, 13, 30]],
columns=["Name1", "Maths",
"Physics",
"Chemistry"])
# setting name1 as index column
df1 = df1.set_index('Name1')
display(df1)
# Creating another dataframe for
# replacement
df2 = pd.DataFrame(
[["rahul", 1, 1]],
columns=["Name2", "Maths", "Physics"])
df3 = pd.DataFrame(
[["purvi", 5, 8]],
columns=["Name3", "Maths", "Chemistry"])
# setting name2 and name3 as
# index column
df2 = df2.set_index('Name2')
df3 = df3.set_index('Name3')
# update the values at the
# passed index
df1.update(df2)
df1.update(df3)
display(df1)
输出:
示例 7: 使用 isin 方法过滤 df 并分配所需的行值。在这里，我们选择了常用的“名称”来过滤掉数据帧(df1)和数据帧(df2)中的数据，然后用“df2”的值替换它。例如，rumul 标记被替换为 5 到 18 个标记，rahul 标记被替换为 20 到 19 个标记，等等。Pandas isin()方法用于过滤数据帧。此方法有助于选择在特定列中具有特定值的行。
语法: DataFrame.isin(值)
参数:
- 值:可迭代、序列、列表、元组、数据帧或字典。
蟒蛇 3
import pandas as pd
# Creating dataframe
df1 = pd.DataFrame({'Name': ['rumul', 'rahul',
'ravi', 'imran'],
'Marks': [5, 20, 8, 12]})
df2 = pd.DataFrame({'Name': ['rumul', 'rahul',
'purvi', 'ravi',
'imran'],
'Marks': [18, 19, 13, 11, 15]})
display(df1)
display(df2)
# replace values of one DataFrame with
# the value of another DataFrame
df1['Marks'] = df2[df2['Name'].isin(df1['Name'])]['Marks'].values
display(df1)
输出:
