Pandas批量替换字符的六种方法详解

一、前言

近期，在Python技术交流群中，一位名为【dcpeng】的开发者提出了一个关于Pandas数据处理的问题。为了帮助更多学习者掌握相关技巧，现将该案例整理分享，供读者共同探讨学习。

具体需求是：处理一列包含1、2、3、4数值的编码数据，要求将数值1批量替换为“开心”，数值2批量替换为“悲伤”，依此类推，实现字符的批量映射替换。

二、解决过程

该问题的核心限制在于必须使用Pandas库进行处理。针对这一需求，存在多种可行的实现路径。以下将逐一介绍这些方法，旨在为读者提供多样化的解决方案参考。

首先，我们需要生成用于演示的源数据。具体的数据生成代码如下：

df = pd.DataFrame({'col1': [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]})
df

方法一

第一种实现方式如下代码所示：

df['col2'] = df['col1'].map({1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"})
df

运行上述代码后的结果如下图所示：

方法二

此方法参考了才哥的文章思路，具体实现代码如下：

def getValue(s):
    if s==1:
        return '开心'
    elif s==2:
        return '悲伤'
    elif s==3:
        return '难过'
    elif s==4:
        return '泪目'
df['col3'] = df['col1'].apply(getValue)
df

运行结果如下图所示：

方法三

【冫马讠成】大佬提供了一种思路，利用replace方法来实现替换操作。

具体代码如下：

df['col4'] = df['col1'].replace(1, '开心').replace(2, '悲伤').replace(3, '难过').replace(4, '泪目')
df

执行后得到的结果如下所示：

方法四

该方法基于apply()函数进行实现，具体代码如下：

def get_value(s):
    dict = {1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"}
    return dict[s]
df['col5'] = df['col1'].apply(get_value)
df

运行结果如下图所示：

方法五

【沈复】大佬提供了另一种思路及对应代码，如下图所示：

此方法基于map()函数进行实现，具体代码如下：

def get_value(s):
    dict = {1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"}
    return dict[s]
df['col5'] = df['col1'].map(get_value)
df

运行结果如下图所示：

方法六

这里【月神】仍然使用replace方法进行实现，但其代码写法更为精简。

具体代码如下：

df['col7'] = df['col1'].replace([1, 2, 3, 4], ['开心', '悲伤', '难过', '泪目'])
df

【月神】特别提醒：此方法为全匹配模式，请勿添加regex=True参数，否则可能导致非预期结果。

运行结果如下图所示：

三、总结

本文基于粉丝提出的具体提问，针对包含1、2、3、4编码的列数据，详细阐述了将其批量替换为“开心”、“悲伤”等字符的六种Pandas处理方法。通过具体的代码说明和运行演示，成功解决了该粉丝遇到的数据替换难题。

以上即为Pandas中批量替换字符的六种方法总结的详细内容。如需了解更多关于Pandas字符替换的资料，请关注本站其他相关文章。