十二月下旬内容焕新丨技能实战、智慧提效与生态拓展

年终冲刺,进步不停!十二月下旬新内容聚焦技能实战、智慧提效、场景解析与开发拓展,助你在数据与智能的浪潮中更进一步!

一、场景化课程上线完结

驱动增长:汽车制造营销分析主题课程→聚焦汽车行业营销场景,学习如何利用数据驱动业务增长。

价值引擎:汽车制造财务分析主题课程→深入财务数据分析,助力企业价值挖掘与决策支持。

二、场景应用上线

【漏斗图】漏斗洞察:三分钟,看透流程的每一步→ 快速掌握漏斗分析,优化业务流程效率。

模型篇:如何构建支撑AlChat的证券数据模型》→ 解析证券行业数据模型构建,赋能AI助手智能基础。

【地图】先导篇:一眼看透数据在空间中的故事→ 入门地图可视化,发现数据背后的地理逻辑。

【地图】区域地图:直观对比,掌控全局→ 学习区域地图制作,实现跨区域数据对比分析。

三、技术经验分享

乱码大作战:从“乱码地狱”到“数据天堂”的爆“效”指南》→ 攻克数据乱码难题,带你高效实现数据质量的跃升。

四、二次开发视频

扩展包开发知识点——知识库升级以及查询对象》→ 深化扩展包开发能力,学习知识库升级与查询对象优化。

五、任务持续上线

【图表应用】绘制漏斗图,诊断转化瓶颈→ 学习漏斗图绘制,精准定位业务流程中的转化短板。

AlChat入门闯关计划 - 第二关》→ 继续AI助手探索之旅,掌握更智能的对话交互技能。

【图表应用】测测你是否真的“看懂”地图?》→ 检验地图图表理解能力,提升空间数据解读水平。

【场景实战系列】即席查询,赢取278麦豆!》→ 实战演练即席查询,灵活获取所需数据。

【场景实战系列】透视分析,赢取278麦豆!》→ 掌握数据透视技巧,实现多维度业务洞察。

【图表应用】区域地图在手,业绩分布一目了然→ 借助区域地图,直观掌握业务区域表现。

BI知识闯关】乱码大作战:从“乱码地狱”到“数据天堂”的爆“效”指南》→ 通过闯关巩固乱码处理知识,学以致用。

【调研】社区内容调研,1分钟即可得100麦豆!》→为了未来能为您提供更精彩的内容和活动,我们想聆听您的真实心声

六、全新素材上线

HTTP API接口测试工具》→ 提供便捷的接口测试支持,助力开发调试更高效。

七、互动活动开启

2025年售后服务问卷调研有奖活动》→ 参与调研反馈,助力产品优化,更有机会赢取好礼。

麦粉社区
>
帖子详情

python学习篇-pandas库(八)

数据挖掘 发表于 2019-12-24 15:24
发表于 2019-12-24 15:24:00
本帖最后由 chenshuo 于 2019-12-24 17:14 编辑

替换操作
函数DataFrame()
参数to_replace:需要替换的部分,可为str, regex, list, dict, Series, int, float, or None
参数value:用来替换部分,可为scalar, dict, list, str, regex, default None
参数inplace:默认False,True:直接修改原对象;False:创建一个副本,修改副本,原对象不变。
参数regex:默认False,为True:替换的部分为正则表达式
参数method: 可为‘pad’, ‘ffill’, ‘bfill’, None


创建数据集
  1. import pandas as pd
  2. import numpy as np
  3. data = {'animal': ['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],
  4. 'age': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
  5. 'visits': [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
  6. 'priority': ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']}

  7. labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
  8. df1 = pd.DataFrame(data, index=labels)
  9. df1
复制代码
1、数值替换

将值为1替换成6
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace(1,6)
复制代码
943145e0182aa21e1b.png

2、列表替换
将cat替换成mouse,yes替换成maybe
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace(['cat','yes'],['mouse','maybe'])
复制代码
60695e01844ed53c6.png

使用方法bfill,向后替换,详情可参考python学习篇(七)
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace(['cat','yes'],method='bfill')
复制代码
693995e0184f6a0114.png

3、字典替换
将数据集中的cat替换成mouse,将1替换成100
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'cat':'mouse',1:100})
复制代码
585025e0188860f9be.png
将数据集中animal列中cat替换成snake
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'animal':'cat'},'snake')
复制代码
968555e01a6f649afd.png
或者
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'animal':{'cat':'snake'}})
复制代码
191485e01a8020ee0d.png
4、正则替换
将do*的字符串替换成mouse
724345e01d69adef3a.png
976005e01d6307cf55.png

或者
449105e01d6aedbc36.png
5、替换成None
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'yes':'None'})
复制代码
891185e01d6e1285f5.png

发表于 2019-12-24 17:16:13
regex=r'^do.$' 这部分代码会使代码框 变乱
回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

1回帖数 0关注人数 7011浏览人数
最后回复于:2019-12-24 17:16
快速回复 返回顶部 返回列表