Pandas str.replace()

import pandas as pd

# create a Series
data = pd.Series(['apple', 'banana', 'cherry'])

# use str.replace() to replace 'a' with '@'
data = data.str.replace('a', '@')

print(data)

'''
Output 

0     @pple
1    b@n@n@
2    cherry
dtype: object

'''

str.replace() 语法

Pandas 中 str.replace() 方法的语法是

Series.str.replace(pat, repl, n=-1, case=None, regex=True)

str.replace() 参数

str.replace() 方法接受以下参数

• pat - 要替换的字符串或正则表达式模式
• repl - 用于替换的字符串
• n (可选) - 每个字符串的最大替换次数。-1 表示替换所有出现。
• case (可选) - 确定操作是否区分大小写
• regex (可选) - 如果为 True，则假定 pat 是一个正则表达式。如果为 False，则将 pat 视为字面字符串。

str.replace() 返回值

str.replace() 方法返回一个具有相同大小的 Series，其中包含替换后的字符串。

示例 1：使用 str.replace() 替换子字符串

import pandas as pd

# create a Series 
cities = pd.Series(['San Jose', 'Los Angeles', 'San Francisco'])

# use str.replace() to replace 'San' with 'Santa'
cities = cities.str.replace('San', 'Santa')

print(cities)

输出

0     Santa Jose
1     Los Angeles
2     Santa Francisco
dtype: object

在上面的示例中，我们使用 str.replace('San', 'Santa') 方法将 cities Series 中每个字符串中的子字符串 San 替换为 Santa。

示例 2：使用 str.replace() 中的 n 参数限制替换次数

import pandas as pd

# create a Series
data = pd.Series(['apple', 'banana', 'cherry'])

# replace only the first occurrence of 'a'
replace_1 = data.str.replace('a', '@', n=1)

# replace the first two occurrences of 'a'
replace_2 = data.str.replace('a', '@', n=2)

# no replacement will be made with n=0
replace_3 = data.str.replace('a', '@', n=0)

print("Original Series:")
print(data)
print("\nReplace first occurrence:\n")
print(replace_1)
print("\nReplace first two occurrences:\n")
print(replace_2)
print("\nNo replacement (n=0):")
print(replace_3)

输出

Original Series:
0     apple
1    banana
2    cherry
dtype: object

Replace first occurrence:

0     @pple
1    b@nana
2    cherry
dtype: object

Replace first two occurrences:

0     @pple
1    b@n@na
2    cherry
dtype: object

No replacement (n=0):
0     apple
1    banana
2    cherry
dtype: object

在此示例中，

1. str.replace('a', '@', n=1) - 只替换 a 的第一次出现
2. str.replace('a', '@', n=2) - 替换前两次出现
3. str.replace('a', '@', n=0) - 由于 n=0，不发生替换

示例 3：字符串替换中的大小写敏感性

import pandas as pd

# create a Series
data = pd.Series(['Apple', 'Banana', 'Cherry'])

# case sensitive replacement (default behavior)
case_sensitive_replace = data.str.replace('a', '@')

# case insensitive replacement
case_insensitive_replace = data.str.replace('a', '@', case=False)

print("\nCase Sensitive Replacement:")
print(case_sensitive_replace)
print("\nCase Insensitive Replacement:")
print(case_insensitive_replace)

输出

Case Sensitive Replacement:
0     Apple
1    B@n@n@
2    Cherry
dtype: object

Case Insensitive Replacement:
0     @pple
1    B@n@n@
2    Cherry
dtype: object

这里，

• str.replace('a', '@') - 默认区分大小写，只将小写 a 替换为 @。
• str.replace('a', '@', case=False) - 显示不区分大小写的替换，其中大写 A 和小写 a 都被替换为 @。

示例 4：str.replace() 中 regex 参数的用法

import pandas as pd

# create a Series 
products = pd.Series(['T-shirt 12', 'Jeans 30', 'Hat', 'Dress 8', 'Shoes 42'])

# use str.replace() with regex to replace numeric sizes
products_replaced = products.str.replace(r'\d+', 'SIZE', regex=True)

print(products_replaced)

输出

0    T-shirt SIZE
1      Jeans SIZE
2           Hat
3      Dress SIZE
4      Shoes SIZE
dtype: object

在上面的示例中，模式 r'\d+' 匹配产品名称中的数字序列。

通过将 regex 设置为 True，我们在 str.replace() 方法中启用了正则表达式的使用。

因此，该方法将这些序列替换为字符串 SIZE。

注意：要了解有关正则表达式的更多信息，请访问 Python RegEx。