已解決：pandas 替換列值

Pandas 是一個功能強大的 Python 庫，廣泛用於數據操作和分析。 對數據執行的一種常見操作是根據特定條件替換列值，例如調節或映射到其他值。 在本文中，我們將探討如何使用 Pandas 庫有效地應用此操作。 無論您是數據科學家、程序員，還是深入研究數據驅動的時尚趨勢世界的時尚專家，這些知識都將是無價的。

理解這個操作的關鍵在於掌握Pandas庫提供的內置函數。 具體來說，我們將專注於使用 `replace()`、`map()` 和 `apply()` 函數來根據各種條件操作列值。

import pandas as pd

# Sample data
data = {'Fashion_Style': ['Boho', 'Grunge', 'Preppy', 'Vintage', 'Athleisure'],
        'Colors': ['Earthy tones', 'Dark shades', 'Bright tones', 'Muted tones', 'Monochrome']}

df = pd.DataFrame(data)

# Replacing column values
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])

print(df)

代碼的逐步解釋

1. 首先，我們將 Pandas 庫導入為 `pd`。 這是一個常見的約定，它允許我們使用 `pd` 的簡寫來調用 Pandas 函數。
2. 接下來，我們創建一個名為“data”的字典，其中包含列“Fashion_Style”和“Colors”，以及它們各自的值。
3. 然後，我們使用 `pd.DataFrame()` 函數創建一個名為 `df` 的 DataFrame，並將 `data` 字典作為參數。
4. 之後，我們使用 `replace()` 函數替換“顏色”列中的特定值。 在我們的示例中，我們將“大地色調”替換為“暖色調”，將“單色”替換為“對比色調”。
5. 最後，我們打印更新後的 DataFrame `df` 來檢查結果。

用於列值替換的 Pandas 內置函數

Pandas 提供了幾個內置函數來處理 DataFrame 中的列值。 其中，我們發現 `replace()`、`map()` 和 `apply()` 在根據各種條件替換列值時特別有用。

代替 （）：此函數用於替換 DataFrame 或 Series 中的指定值。 它可以應用於特定的列或整個 DataFrame，並且它支持用於高級模式匹配的正則表達式。

df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])

地圖（）: `map()` 函數類似於 `replace()`，但它將給定的函數或字典應用於系列中的每個元素。 當您需要根據一組特定規則將列值映射到新值時，這會很有用。

color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)

應用（）：`apply()` 函數是一個強大的工具，它可以沿 DataFrame 的軸應用給定的函數。 它可以用於整個 DataFrame 或特定列以實現廣泛的轉換。

def update_colors(color_value):
    if color_value == 'Earthy tones':
        return 'Warm tones'
    elif color_value == 'Monochrome':
        return 'Contrast tones'
    else:
        return color_value
        
df['Colors'] = df['Colors'].apply(update_colors)

有了這些可供您使用的函數，您現在就可以處理 Pandas 中的各種數據操作任務，例如替換 DataFrame 中的列值。 這些知識不僅適用於數據科學和編程領域，而且在分析現代時尚風格、識別新興趨勢以及理解各種風格和顏色的歷史意義時也很有用。