我有一个大约有 20 列的熊猫数据框。
可以通过手动写入所有列名来替换所有出现的字符串（这里是换行符）：
df['columnname1'] = df['columnname1'].str.replace("\n","<br>")
df['columnname2'] = df['columnname2'].str.replace("\n","<br>")
df['columnname3'] = df['columnname3'].str.replace("\n","<br>")
...
df['columnname20'] = df['columnname20'].str.replace("\n","<br>")
不幸的是，这不起作用：
df = df.replace("\n","<br>")
还有其他更优雅的解决方案吗？
【问题讨论】：
标签： python replace pandas dataframe
您可以使用 replace 并将字符串传递给查找/替换为字典键/项：
df.replace({'
': '<br>'}, regex=True)
例如：
>>> df = pd.DataFrame({'a': ['1
', '2
', '3'], 'b': ['4
', '5', '6
']})
>>> df
a b
0 1
4
1 2
5
2 3 6
>>> df.replace({'
': '<br>'}, regex=True)
a b
0 1<br> 4<br>
1 2<br> 5
2 3 6<br>
请注意，此方法默认返回一个新的 DataFrame 实例（它不会修改原始实例），因此您需要重新分配输出：
df = df.replace({'
': '<br>'}, regex=True)
或指定inplace=True：
df.replace({'
': '<br>'}, regex=True, inplace=True)
【讨论】：
Python 2.7.9 |Anaconda 2.1.0 (64-bit)| (default, Mar 9 2015, 16:20:48) [GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux2 Type "help", "copyright", "credits" or "license" for more information. Anaconda is brought to you by Continuum Analytics. Please check out: http://continuum.io/thanks and https://binstar.org >>> import pandas as pd >>> df = pd.DataFrame({'a': ['1
', '2
', '3'], 'b': ['4
', '5', '6
']}) >>> df a b 0 1
4
1 2
5 2 3 6
>>> df.replace({'
': '<br>'}) a b 0 1
4
1 2
5 2 3 6
>>>
df.replace({'...': 'stuff'}, regex=True) 时，它不仅替换了 '...'，还替换了所有字符串？ % ... 留下数字 ...
df.replace('.{3}', 'stuff', regex=True)
df.replace({'
': '<br>'}, regex=True) 返回一个新的 DataFrame 对象，而不是更新原始 DataFrame 上的列。所以你需要重新分配输出，例如df = df.replace({'
': '<br>'}, regex=True)。
Pandas 似乎更改了其 API 以避免在处理正则表达式时出现歧义。现在你应该使用：
df.replace({'
': '<br>'}, regex=True)
例如：
>>> df = pd.DataFrame({'a': ['1
', '2
', '3'], 'b': ['4
', '5', '6
']})
>>> df
a b
0 1
4
1 2
5
2 3 6
>>> df.replace({'
': '<br>'}, regex=True)
a b
0 1<br> 4<br>
1 2<br> 5
2 3 6<br>
【讨论】：
您可以遍历所有列并使用方法str.replace：
for col in df.columns:
df[col] = df[col].str.replace('
', '<br>')
此方法默认使用正则表达式。
【讨论】：
这将删除所有换行符和不必要的空格。您可以编辑' '。加入指定替换字符
df['columnname'] = [''.join(c.split()) for c in df['columnname'].astype(str)]
【讨论】：