往前走，一片诱人的新绿尽收眼底，那是满池的新荷。荷叶有的平展着圆盘浮在水面上；有的绿伞般在空中摇曳；有的兜着水珠把阳光反射得灿烂夺目；有的长得非常高，却未展开叶面，勇敢地挺立着。荷花则多半含苞待放，白中透粉的一朵朵花儿，活像一个个花仙子借着微风，在池中裙袂飞扬，翩然起舞。
使用pandas处理向量化的数据，进行数据的替换时不仅仅能够进行字符串的替换也能够处理数字。
做简单的示例如下：
In [4]: data = Series(range(5))
In [5]: data Out[5]: 0 0 1 1 2 2 3 3 4 4 dtype: int64
In [6]: data.replace(3,333) Out[6]: 0 0 1 1 2 2 3 333 4 4 dtype: int64
In [7]: data Out[7]: 0 0 1 1 2 2 3 3 4 4 dtype: int64
In [8]: data.replace({2:np.nan,4:444})
Out[8]:
0 0.0
1 1.0
2 NaN
3 3.0
4 444.0
dtype: float64
从上面可以看出，替换可以进行单个数字的替换，也可以穿入一个字典进行一个序列的替换。
简单的替换虽然也可以通过赋值进行修改，但是通过赋值进行修改的时候一般首先得进行数据替换对象的查找。但是，通过Series对象的replace方法进行数据替换的方便之处则在于省掉了数据对象的查询。
这篇使用pandas对矢量化数据进行替换处理的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
