replace() 方法不适用于 Pandas DataFrame

问题描述：

我查过这个问题，大多数问题都是针对更复杂的替换。不过，在我的例子中，我有一个非常简单的数据框作为测试假人。

目的是用 nan 替换数据框中任意位置的字符串，但这似乎不起作用（即不替换；没有任何错误）。我尝试用另一个字符串替换，但也没有用。例如

d = {'color' : pd.Series(['white', 'blue', 'orange']),
   'second_color': pd.Series(['white', 'black', 'blue']),
   'value' : pd.Series([1., 2., 3.])}
df = pd.DataFrame(d)
df.replace('white', np.nan)

输出依然是：

      color second_color  value
  0   white        white      1
  1    blue        black      2
  2  orange         blue      3

这个问题通常使用 来解决inplace=True，但有一些注意事项。另请参阅理解 pandas 中的 inplace=True。

解决方案 1：

鉴于这是在 Google 上搜索“Pandas replace is not working”时得到的最佳结果，我还想提一下：

replace 会进行完全替换搜索，除非您打开正则表达式开关。使用 regex=True，它也应该执行部分替换。

我花了 30 分钟才发现这一点，所以希望我能为其他人节省 30 分钟。

解决方案 2：

您需要分配回

df = df.replace('white', np.nan)

或者传递参数inplace=True：

In [50]:
d = {'color' : pd.Series(['white', 'blue', 'orange']),
   'second_color': pd.Series(['white', 'black', 'blue']),
   'value' : pd.Series([1., 2., 3.])}
df = pd.DataFrame(d)
df.replace('white', np.nan, inplace=True)
df

Out[50]:
    color second_color  value
0     NaN          NaN    1.0
1    blue        black    2.0
2  orange         blue    3.0

大多数 pandas 操作都会返回一个副本，并且大多数都有参数inplace，通常默认为False

解决方案 3：

在我的情况下， with 和inplace=Truewith都regex=True不起作用。所以我找到了一个解决方案，即使用Series.str.replace。如果您需要替换子字符串，它会很有用。

In [4]: df['color'] = df.color.str.replace('e', 'E!')
In [5]: df  
Out[5]: 
     color second_color  value
0   whitE!        white    1.0
1    bluE!        black    2.0
2  orangE!         blue    3.0

或甚至切片。

In [10]: df.loc[df.color=='blue', 'color'] = df.color.str.replace('e', 'E!')
In [11]: df  
Out[11]: 
    color second_color  value
0   white        white    1.0
1   bluE!        black    2.0
2  orange         blue    3.0

解决方案 4：

在直接使用替换函数之前，您可能需要检查列的数据类型。您可能正在对 Object 数据类型使用替换函数，在这种情况下，您需要在将其转换为字符串后应用替换函数。

Wrong:

df["column-name"] = df["column-name"].replace('abc', 'def')

Correct:

df["column-name"] = df["column-name"].str.replace('abc', 'def')

解决方案 5：

当您使用df.replace()它时，它会创建一个新的临时对象，但不会修改您的对象。您可以使用以下两行之一来修改 df：

df = df.replace('white', np.nan)
df.replace('white', np.nan, inplace = True)

解决方案 6：

对我有用的是使用这个字典符号。

{旧值:新值}

df.replace({10:100},inplace=True)

查看文档以获取更多信息。https
://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.DataFrame.replace.html

解决方案 7：

Python 3.10，pandas 1.4.2，inplace=True 对以下示例（列 dtype int32）不起作用，但重新分配它可以起作用。

df["col"].replace[[0, 130], [12555555, 12555555], inplace=True)  # NOT work
df["col"] = df["col"].replace[[0, 130], [12555555, 12555555])   # worked

...在另一种涉及文本列中的 nan 的情况下，该列需要在预步骤中输入（而不仅仅是 .str，如上所述）：

df["col"].replace[["man", "woman", np.nan], [1, 2, -1], inplace=True)  # NOT work
df["col"] = df["col"].str.replace[["man", "woman", np.nan], [1, 2, -1])     # NOT work

df["col"] = df["col"].astype(str)    # needed
df["col"] = df["col"].replace[["man", "woman", np.nan], [1, 2, -1])   # worked

解决方案 8：

df.replace({'white': np.nan}, inplace=True, regex=True)

解决方案 9：

也许我偶然发现的案例可以有所帮助：

我通过 导入了一些来自 CSV 文件的数据pd.read_csv()。数据是关于程序的执行情况，超时的情况用“INF”表示。

因此，我认为我可以用类似以下的方法清理这些情况：

df = pd.read_csv ( "test-data.csv" )
df = df.replace ( 'INF', -1 )

然而，'INF' 被解释为np.inf，即 NumPy 的无限，事实上，

df [ 'col-with-inf' ] [ 'row-with-inf' ] == np.inf

是True。因此，在这种情况下，您可以执行以下操作：

df = df.replace ( np.inf, -1 )

解决方案 10：

还有一个原因是，我遇到 .replace 函数不起作用，我找到了原因并进行了修复。

如果列中的字符串为“word1 word2”，则从 excel 读取时，“word1”和“word2”之间的空格为“nbsp”，表示非空白间距。如果我们用普通空格替换，一切正常。我的列名是“Name”

    nonBreakSpace = u'xa0'
    df['Name'] = df['Name'].replace(nonBreakSpace,' ',regex=True)
    df['Name']=df["Name"].str.replace("replace with","replace to",regex=True)