方法1：使用dataframe.loc[]函数

通过这个方法，我们可以用一个条件或一个布尔数组来访问一组行或列。如果我们可以访问它，我们也可以操作它的值，是的！这是我们的第一个方法，通过pandas中的dataframe.loc[]函数，我们可以访问一个列并通过一个条件改变它的值。

语法：df.loc[ df["column_name"] == "some_value", "column_name" ] = "value"

some_value = 需要被替换的值 value = 应该被放置的值。

示例:我们要把性别栏中的所有 “男性 “改为1。

import pandas as pdimport numpy as np# datadata= {'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],'gender': ['male', 'male', 'male', 'female', 'female', 'male'],'math score': [50, 100, 70, 80, 75, 40],'test preparation': ['none', 'completed', 'none', 'completed','completed', 'none'],}# 创建一个 Dataframe 对象df = pd.DataFrame(data)# 条件应用df.loc[df["gender"] == "male", "gender"] = 1

输出：

使用dataframe.loc[]函数

方法2：使用NumPy.where()函数

NumPy是一个非常流行的库，用于2D和3D数组的计算。它为我们提供了一个非常有用的方法where()来访问有条件的特定行或列。我们也可以用这个函数来改变某一列的特定值。

语法:df[“column_name”] = np.where(df[“column_name”]==”some_value”, value_if_true, value_if_false)

示例: 这个numpy.where()函数应该写上条件，如果条件为真，后面是值，如果条件为假，则是一个值。现在，我们要把性别栏中的所有 “女性 “改为0，”男性 “改为1。

import pandas as pdimport numpy as np# datadata= {'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],'gender': ['male', 'male', 'male', 'female', 'female', 'male'],'math score': [50, 100, 70, 80, 75, 40],'test preparation': ['none', 'completed', 'none', 'completed','completed', 'none'],}# 创建一个 Dataframe 对象df = pd.DataFrame(data)# 条件应用df["gender"] = np.where(df["gender"] == "female", 0, 1)

输出：

使用NumPy.where()函数

方法3：使用pandas掩码函数

Pandas的掩蔽函数是为了用一个条件替换任何行或列的值。

语法:df[‘column_name’].mask( df[‘column_name’] == ‘some_value’, value , inplace=True )

示例：使用这个屏蔽条件，将性别栏中所有的 “女性 “改为0。

import pandas as pdimport numpy as np# datadata= {'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],'gender': ['male', 'male', 'male', 'female', 'female', 'male'],'math score': [50, 100, 70, 80, 75, 40],'test preparation': ['none', 'completed', 'none', 'completed','completed', 'none'],}# 创建一个 Dataframe 对象df = pd.DataFrame(data)# 条件应用 1df['gender'].mask(df['gender'] == 'female', 0, inplace=True)# 条件应用 2#df['math score'].mask(df['math score'] >=60 ,'good', inplace=True)

输出：

使用pandas掩码函数

方法4：替换包含指定字符的字符串

语法 ： data[“列名”].mask(data.列名.str.contains(“.*” />

使用pandas掩码函数