python Pandas替换字符串中的单词

Question

给定一个数据帧，如：

A    B    C
1    a    yes
2    b    yes
3    a    no

我想将数据框更改为：

A    B    C
1    a    yes
2    b    no
3    a    no

这意味着如果列B的值为'b'，我想将列C更改为'no'。 这可以用df[df['B']=='b']['C'].str.replace('yes','no') 。 但是使用它不会改变数据帧df本身。 甚至我试过df[df['B']=='b']['C'] = df[df['B']=='b']['C'].str.replace('yes','no')它不起作用。 我想知道如何解决这个问题。

Answer 1

通过mask设置值的解决方案：

df.loc[df.B == 'b', 'C'] = 'no'
print (df)
   A  B    C
0  1  a  yes
1  2  b   no
2  3  a   no

df['C'] = df['C'].mask(df.B == 'b','no')
print (df)
   A  B    C
0  1  a  yes
1  2  b   no
2  3  a   no

解决方案只替换yes字符串：

df.loc[df.B == 'b', 'C'] = df['C'].replace('yes', 'no')
print (df)
   A  B    C
0  1  a  yes
1  2  b   no
2  3  a   no

df['C'] = df['C'].mask(df.B == 'b', df['C'].replace('yes', 'no'))
print (df)
   A  B    C
0  1  a  yes
1  2  b   no
2  3  a   no

在改变的df看到的差异更好：

print (df)
   A  B        C
0  1  a      yes
1  2  b      yes
2  3  b  another
3  4  a       no

df['C_set'] = df['C'].mask(df.B == 'b','no')
df['C_replace'] = df['C'].mask(df.B == 'b', df['C'].replace('yes', 'no'))

print (df)
   A  B        C C_set C_replace
0  1  a      yes   yes       yes
1  2  b      yes    no        no
2  3  b  another    no   another
3  4  a       no    no        no

编辑：

在您的解决方案中只需添加loc ：

df.loc[df['B']=='b', 'C'] = df.loc[df['B']=='b', 'C'].str.replace('yes','no')
print (df)
   A  B        C
0  1  a      yes
1  2  b       no
2  3  b  another
3  4  a       no

EDIT1：

我真的很好奇什么方法最快：

#[40000 rows x 3 columns]
df = pd.concat([df]*10000).reset_index(drop=True)    
print (df)

In [37]: %timeit df.loc[df['B']=='b', 'C'] = df['C'].str.replace('yes','no')
10 loops, best of 3: 79.5 ms per loop

In [38]: %timeit df.loc[df['B']=='b', 'C'] = df.loc[df['B']=='b','C'].str.replace('yes','no')
10 loops, best of 3: 48.4 ms per loop

In [39]: %timeit df.loc[df['B']=='b', 'C'] = df.loc[df['B']=='b', 'C'].replace('yes','no')
100 loops, best of 3: 14.1 ms per loop

In [40]: %timeit df['C'] = df['C'].mask(df.B == 'b', df['C'].replace('yes', 'no'))
100 loops, best of 3: 10.1 ms per loop

# piRSquared solution with replace
In [53]: %timeit df.C = np.where(df.B.values == 'b', df.C.replace('yes', 'no'), df.C.values)
100 loops, best of 3: 4.74 ms per loop

EDIT1：

更好的是更改条件 - 如果需要最快的解决方案，请添加df.C == 'yes'或df.C.values == 'yes' ：

df.loc[(df.B == 'b') & (df.C == 'yes'), 'C'] = 'no'

df.C = np.where((df.B.values == 'b') & (df.C.values == 'yes'), 'no', df.C.values)

Answer 2

np.where

df.C = np.where(df.B == 'b', 'no', df.C)

要么

df.C = np.where(df.B.values == 'b', 'no', df.C.values)

pd.Series.mask

df.C = df.C.mask(df.B == 'b', 'no')

---

所有改变df到位和产量

   A  B    C
0  1  a  yes
1  2  b   no
2  3  a   no

---

定时