之前已發佈
DataFrame的apply和applymap方法以及Series中的map方法
利用Pandas進行數據轉換（map、replace、rename、duplicated等函數的使用）
本文再補充更多的關於replace函數的用法，以及沒有提到的clip函數。
clip函數
clip用於對超過或者低於某些值的數進行截斷。
準備示例數據：
>>> data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]}
>>> df = pd.DataFrame(data)
>>> df
col_0 col_1
0 9 -2
1 -3 -7
2 0 6
3 -1 8
4 5 -5
Clips對超過或者低於指定閾值的數據將替換爲指定閾值：
>>> df.clip(-4, 6)
col_0 col_1
0 6 -2
1 -3 -4
2 0 6
3 -1 6
4 5 -4
傳入兩個Series，並指定axis=0則可以對每一行數據都用指定的範圍進行截斷：
>>> df
col_0 col_1
0 9 -2
1 -3 -7
2 0 6
3 -1 8
4 5 -5
>>> t1 = pd.Series([2, -4, -1, 6, 3])
>>> t2 = pd.Series([6, 0, 3, 9, 8])
>>> df.clip(t1, t2, axis=0)
col_0 col_1
0 6 2
1 -3 -4
2 0 3
3 6 8
4 5 3
比如對於第一行數據9 和 -2被截斷在[2,6]的範圍，大於6取6，小於2取2.
DataFrame或Series的replace方法
對指定的單個標量值進行替換：
>>> s = pd.Series([0, 1, 2, 3, 4])
>>> s.replace(0, 5)
0 5
1 1
2 2
3 3
4 4
dtype: int64
>>> df = pd.DataFrame({'A': [0, 1, 2, 3, 4],
... 'B': [5, 6, 7, 8, 9],
... 'C': ['a', 'b', 'c', 'd', 'e']})
>>> df.replace(0, 5)
A B C
0 5 5 a
1 1 6 b
2 2 7 c
3 3 8 d
4 4 9 e
將指定的列表內的所有標量值都替換爲指定值：
>>> df.replace([0, 1, 2, 3], 4)
A B C
0 4 5 a
1 4 6 b
2 4 7 c
3 4 8 d
4 4 9 e
傳入兩個長度一致的列表，則有一一對應的替換關係：
>>> df.replace([0, 1, 2, 3], [4, 3, 2, 1])
A B C
0 4 5 a
1 3 6 b
2 2 7 c
3 1 8 d
4 4 9 e
其中0替換爲4，1替換爲3，2依然替換爲2，替換爲1。
對指定標量值使用向上填充的方式進行替換：
>>> s.replace([1, 2], method='bfill')
0 0
1 3
2 3
3 3
4 4
dtype: int64
原本的1和2都被下面3向上填充。
使用單個普通字典進行替換，效果與傳入兩個長度一致的列表一致：
>>> df.replace({0: 10, 1: 100})
A B C
0 10 5 a
1 100 6 b
2 2 7 c
3 3 8 d
4 4 9 e
傳入兩個參數，則字典中的鍵爲要被替換的鍵，值爲要被替換的值，第二個參數爲替換後的值：
>>> df.replace({'A': 0, 'B': 5}, 100)
A B C
0 100 100 a
1 1 6 b
2 2 7 c
3 3 8 d
4 4 9 e
還可以傳入嵌套字典，外層字典的鍵表示要替換的列，內層字典的鍵值表示被替換的值和替換後的值：
>>> df.replace({'A': {0: 100, 4: 400}})
A B C
0 100 5 a
1 1 6 b
2 2 7 c
3 3 8 d
4 400 9 e
指定參數regex=True即可實現正則表達式替換。
>>> df = pd.DataFrame({'A': ['bat', 'foo', 'bait'],
... 'B': ['abc', 'bar', 'xyz']})
>>> df.replace(to_replace=r'^ba.$', value='new', regex=True)
A B
0 new abc
1 foo new
2 bait xyz
下面將A列符合^ba.$規則的都替換爲new：
>>> df.replace({'A': r'^ba.$'}, {'A': 'new'}, regex=True)
A B
0 new abc
1 foo bar
2 bait xyz
也可以直接向regex參數傳遞替換規則：
>>> df.replace(regex=r'^ba.$', value='new')
A B
0 new abc
1 foo new
2 bait xyz
>>> df.replace(regex={r'^ba.$': 'new', 'foo': 'xyz'})
A B
0 new abc
1 xyz new
2 bait xyz
>>> df.replace(regex=[r'^ba.$', 'foo'], value='new')
A B
0 new abc
1 new new
2 bait xyz
Tips：傳入一個字典和傳入兩個替換參數的默認行爲不一樣。
s = pd.Series([10, 'a', 'a', 'b', 'a'])
s.replace({'a': None})
相當於：
s.replace(to_replace={'a': None}, value=None, method=None)
>>> s.replace({'a': None})
0 10
1 None
2 None
3 b
4 None
dtype: object
s.replace('a', None)
相當於：
s.replace(to_replace='a', value=None, method='pad')
>>> s.replace('a', None)
0 10
1 10
2 10
3 b
4 b
dtype: object
Series.str.replace
Series.str.replace默認支持正則表達式：
>>> se1 = pd.Series(['foo', 'fuz', np.nan])
>>> se1.str.replace('f.', 'ba')
0 bao
1 baz
2 NaN
dtype: object
也可以設置參數regex=False關閉：
>>> se1.str.replace('f.', 'ba', regex=False)
0 bao
1 fuz
2 NaN
dtype: object
當給第二個參數repl傳遞一個函數時，該函數接收一個正則表達式對象，返回一個字符串作爲替換結果：
>>> def f(arg):
print(arg, type(arg))
return arg.group(0)
>>> se1.str.replace('f.', f)
<re.Match object; span=(0, 2), match='fo'> <class 're.Match'>
<re.Match object; span=(0, 2), match='fu'> <class 're.Match'>
0 foo
1 fuz
2 NaN
dtype: object
根據此特性實現將每個小寫單詞都倒序:
>>> repl = lambda m: m.group(0)[::-1]
>>> se2 = pd.Series(['foo 123', 'bar baz', np.nan])
>>> se2.str.replace(r'[a-z]+', repl)
0 oof 123
1 rab zab
2 NaN
dtype: object
使用正則表達式的組(提取第二組並交換大小寫):
pat = r"(?P<one>\w+) (?P<two>\w+) (?P<three>\w+)"
repl = lambda m: m.group('two').swapcase()
pd.Series(['One Two Three', 'Foo Bar Baz']).str.replace(pat, repl)
0 tWO
1 bAR
dtype: object
還可以使用python編譯好的正則表達式對象便於複用：
import re
regex_pat = re.compile(r'FUZ', flags=re.IGNORECASE)
pd.Series(['foo', 'fuz', np.nan]).str.replace(regex_pat, 'bar')
0 foo
1 bar
2 NaN
dtype: object