Pandas dataFrame reemplazar
Sintaxis
Aquí está la sintaxis de esta función "reemplazar ()" en "Pandas."
Marco de datos.reemplazar (to_replace = none, value = none)
Utilizaremos este método "reemplazar ()" en nuestro código "pandas" a continuación. Ahora, mire el ejemplo de que vamos a presentar en esta guía, y aprenderá fácilmente sobre este método "reemplazar ()" de esta guía.
Ejemplo # 01
Estamos desarrollando código "Pandas" aquí en la herramienta "Spyder" para utilizar el método "Reemplazar ()" en nuestro código. Importamos "Pandas como PD" como el paso inicial del código. Es necesario importar la función "pandas" para que accedamos a la función de "pandas" en nuestro código donde sea necesario. Luego se desarrolla el marco de datos, que consta de cuatro columnas. El "my_dataframe" es el nombre del marco de datos que hemos desarrollado aquí.
La columna en la que hemos ingresado primero es la columna "Person_name" con algunos nombres que son "Loe, Samuel, Neesham, Leo y Alexander". La columna junto a este "persona_name" es "Person_city", en la que estamos insertando los nombres de las ciudades, y esos nombres son "Bavaria, Montreal, Birmingham, Génova y Bristol". Las ciudades se ingresan en esta columna, ahora llega la columna "Lengua materna", donde agregamos "alemán, francés, inglés, italiano e inglés". Después de esto, también creamos la columna "Person_age", que contiene las edades de todas esas personas que hemos insertado en este marco de datos. Las edades que tenemos aquí son "47, 30, 28, 29 y 35".
Estamos representando este marco de datos después de poner los valores en las cuatro columnas. El marco de datos se representa cuando lo colocamos en el método "print ()", como se muestra a continuación. Acabamos de crear el cuadro de datos aquí y aún no reemplazamos ningún valor. Después de mostrar este marcado de datos, reemplazaremos los valores de este marco de datos utilizando el método "reemplazar ()".
Cuando desee ejecutar el código en el "Spyder", solo presiona "Shift+Enter", y el resultado se presentará en el terminal. Aquí se muestra la salida de este código, que es el marco de datos que contiene cuatro columnas que hemos agregado al código. Después de esto, utilizaremos el método "reemplazar ()" para reemplazar los valores de este marco de datos a continuación.
Ponemos "my_dataframe" con el método "reemplazar ()", ya que es el nombre del DataFrame que hemos creado. Estamos reemplazando el nombre "Leo" con el "William."Entonces, reemplazará a" Leo "con" William."Almacenamos el DataFarme actualizado en la variable" new_datafarme "y luego pasamos este" new_datafarme "en el método" print () ".
Mirando la primera columna, el nombre "Leo" se colocó en la fila de índice cero y 3 fila de índice, pero en el marco de datos actualizado dada, "William" apareció en lugar de "Leo."La fila de índice 0 y 3 de la primera columna se reemplaza y se actualiza aquí.
Ejemplo # 02
Ahora, pasamos a otro ejemplo aquí creando una lista de "consulta_data" después de importar la función "pandas". Esta lista contiene columnas "DR_NAME, paciente_name, cita_date y tiempo". Nuestra primera columna, "dr_name", contiene los nombres de los médicos "DR. Alice, DR. Oscar, Dr. Milli, Dr. Alexander, Dr. Bromley, DR. Alice, DR. Lily y Dr. Alicia."La columna" paciente_name "se encuentra al lado de esta y contiene los nombres de los pacientes, que son" Emma, William, Jessica, Robert, Leo, Smith, Samuel y Peter ". Después de la entrada de los nombres de los pacientes, agregamos “5/8/2022, 5/8/2022, 5/8/2022, 6/8/2022, 6/8/2022, 7/8/2022 y 7/ 8/2022 "a la columna" cita_date ". Se generó la columna "Tiempo", que contiene los tiempos de todas las citas del paciente que hemos agregado a este marco de datos. Nuestro rango de tiempo es "5 pm, 6 pm, 7 pm, 5 pm, 6 pm, 7 pm, 5 pm y 6 pm".
Después de ingresar datos en cada una de las cuatro columnas, producimos el marco de datos de esta lista anidada. Cuando esta lista se cambia a DataFrame "Consulta_DF", entonces mostramos esta "Consulta_DF."Ahora, colocamos el método" consulta_df "y luego colocamos el método" reemplazar () ". El nombre "Dr. James "tomará el lugar de" Dr. Alice "porque reemplazamos" DR. Alice "con" Dr. Jaime". Así, "Dr. James "se utilizará en lugar de" DR. Alice "La variable" actualizado_datafarme "se utiliza para almacenar el DataFarme actualizado, que posteriormente se pasa al método" print () ".
Puedes notar que "DR. Alice "aparece en la primera columna de este marco de datos, pero después de esto, reemplazamos" DR. Alice "con" Dr. James ", y puedes ver eso en el siguiente marcado de datos actualizado, no hay" DR. Apareció el nombre de Alice "porque reemplazamos todo" DR. Nombre de Alice "con" Dr Dr. James "y ahora" Dr. James ”aparece en el marcado de datos actualizado.
Ejemplo # 03
Utilizamos el "consulta_df" nuevamente aquí en este ejemplo, pero en este caso, estamos reemplazando múltiples valores del marco de datos. Vamos a ver cómo hacer esto. Aquí, verá que en el método "reemplazar ()", ponemos el nombre de la columna primero, que es "dr_name", luego colocamos ese nombre que queremos reemplazar, por lo que esta vez queremos reemplazar "DR. Nombre de Oscar ", y en segundo lugar, también queremos cambiar el" Nice_Date "que es" 5/8/2022 ". Reemplazamos el nombre con "Dr. Taylor, "Nombre que también mencionamos en este método" Reemplazar () "y el" Nombramiento_Date "con" 8/8/2022 ".
Entonces, cambiará todos los nombres, que son "Dr. Oscar "en la columna" DR_NAME "con el" DR. Taylor "y también la fecha" 5/8/2022 "en la columna" Nombramiento_date "con el" 88/2022 ". En este ejemplo, hemos reemplazado dos valores del marco de datos. Cuando se cambian todos los valores, se almacenarán en "Actualated_dataFrame.". Después de reemplazar estos valores, representamos el marco de datos con los valores reemplazados.
Cuando ejecutamos este código, luego lo convierte primero en DataFrame original, que hemos generado en el código. Luego, después de representar esto, reemplaza "DR. Oscar "con" Dr. Taylor "y también la fecha que es" 5/8/2022 "con" 8/8/2022 ". El nuevo DataFrame también se muestra en este resultado, y puede notar fácilmente la diferencia entre el primer cuadro de datos y el segundo DataFrame.
Conclusión
Esta guía ha proporcionado una explicación exhaustiva del método "reemplazar ()" de una manera muy simple. El objetivo principal de esta guía es enseñarle sobre el método "Pandas reemplazar ()" en detalle. Hemos investigado el hecho de que este método ayuda a reemplazar los valores del DataFrame, que queremos reemplazar. En esta guía, también entramos en gran detalle sobre las justificaciones teóricas y prácticas para este concepto "reemplazar ()". Hemos mostrado el marco de datos antes de reemplazar los valores y después de reemplazar, por lo que hace una clara diferencia para usted al aprender el concepto de reemplazar en "Pandas."Espero que sean lo suficientemente fáciles para que aprendas la técnica" Reemplazar () ".