Substituindo alguns valores em uma coluna de dataframe do pandas por outro valor

Eu tenho um dataframe df do pandas conforme ilustrado abaixo:

BrandName Specialty
A          H
B          I
ABC        J
D          K
AB         L

Desejo substituir 'ABC' e 'AB' na coluna BrandName por A. Alguém pode ajudar com isso?

A maneira mais fácil é usar o replacemétodo na coluna. Os argumentos são uma lista das coisas que você deseja substituir (aqui ['ABC', 'AB']) e com o que você deseja substituí-los (a string 'A'neste caso):

>>> df['BrandName'].replace(['ABC', 'AB'], 'A')
0    A
1    B
2    A
3    D
4    A

Isso cria uma nova série de valores, então você precisa atribuir essa nova coluna ao nome de coluna correto:

df['BrandName'] = df['BrandName'].replace(['ABC', 'AB'], 'A')

Substituir

DataFrameobjeto tem replacemétodo poderoso e flexível :

DataFrame.replace(
        to_replace=None,
        value=None,
        inplace=False,
        limit=None,
        regex=False, 
        method='pad',
        axis=None)

Observe, se você precisar fazer alterações no local, use o inplaceargumento booleano para o replacemétodo:

No lugar

inplace : boolean, default False If True, in place. Nota: isso irá modificar quaisquer outras visualizações neste objeto (por exemplo, uma coluna de um DataFrame). Retorna o chamador se for True.

Trecho

df['BrandName'].replace(
    to_replace=['ABC', 'AB'],
    value='A',
    inplace=True
)

A função loc pode ser usada para substituir vários valores, Documentação para isso: loc

df.loc[df['BrandName'].isin(['ABC', 'AB'])]='A'

Esta solução mudará o próprio dataframe existente:

mydf = pd.DataFrame({"BrandName":["A", "B", "ABC", "D", "AB"], "Speciality":["H", "I", "J", "K", "L"]})
mydf["BrandName"].replace(["ABC", "AB"], "A", inplace=True)

Criou o quadro de dados:

import pandas as pd
dk=pd.DataFrame({"BrandName":['A','B','ABC','D','AB'],"Specialty":['H','I','J','K','L']})

Agora use a DataFrame.replace()função:

dk.BrandName.replace(to_replace=['ABC','AB'],value='A')

Só queria mostrar que não há diferença de desempenho entre as 2 formas principais de fazer isso:

df = pd.DataFrame(np.random.randint(0,10,size=(100, 4)), columns=list('ABCD'))

def loc():
    df1.loc[df1["A"] == 2] = 5
%timeit loc
19.9 ns ± 0.0873 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)


def replace():
    df2['A'].replace(
        to_replace=2,
        value=5,
        inplace=True
    )
%timeit replace
19.6 ns ± 0.509 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

Você também pode passar um dictpara o pandas.replacemétodo:

data.replace({
    'column_name': {
        'value_to_replace': 'replace_value_with_this'
    }
})

A vantagem é que você pode substituir vários valores em várias colunas de uma vez, da seguinte forma:

data.replace({
    'column_name': {
        'value_to_replace': 'replace_value_with_this',
        'foo': 'bar',
        'spam': 'eggs'
    },
    'other_column_name': {
        'other_value_to_replace': 'other_replace_value_with_this'
    },
    ...
})