pandas 中的 `Series.replace()` 和 `Series.map()` 有区别吗 [复制]

Pandas

在Pandas中，有两种方法可以用于替换Series中的值，即Series.replace()和Series.map()。尽管它们都可以用于替换数据，但它们之间存在一些区别。

Series.replace()

Python

Series.replace()是一种功能强大的方法，可以用于将Series中的某个值替换为另一个值。它可以接受多种类型的参数，包括单个值、字典、列表等。下面是一些使用Series.replace()的例子：

Python
import Pandas as pd
# 创建一个Series
data = pd.Series([1, 2, 3, 4, 5])
# 将值为1的替换为10
data.replace(1, 10, inplace=True)
print(data)
# 输出: 0    10
#        1     2
#        2     3
#        3     4
#        4     5
#        dtype: int64
# 将多个值替换为同一个值
data.replace([2, 3, 4], 20, inplace=True)
print(data)
# 输出: 0    10
#        1    20
#        2    20
#        3    20
#        4     5
#        dtype: int64
# 使用字典替换多个值
data.replace({10: 100, 20: 200}, inplace=True)
print(data)
# 输出: 0    100
#        1    200
#        2    200
#        3    200
#        4      5
#        dtype: int64

可以看到，Series.replace()方法可以接受单个值、列表或字典，并将指定的值替换为新的值。它还有一个inplace参数，如果设置为True，则会直接修改原始Series，而不是返回一个新的Series。

Series.map()

与Series.replace()不同，Series.map()是一种映射方法，它可以将Series中的每个值映射为另一个值。它接受一个函数、字典或Series作为参数，并根据映射关系对每个值进行替换。下面是一些使用Series.map()的例子：

Python
import Pandas as pd
# 创建一个Series
data = pd.Series([1, 2, 3, 4, 5])
# 使用函数进行映射
data_mapped = data.map(lambda x: x * 10)
print(data_mapped)
# 输出: 0    10
#        1    20
#        2    30
#        3    40
#        4    50
#        dtype: int64
# 使用字典进行映射
mapping = {1: "A", 2: "B", 3: "C", 4: "D", 5: "E"}
data_mapped = data.map(mapping)
print(data_mapped)
# 输出: 0    A
#        1    B
#        2    C
#        3    D
#        4    E
#        dtype: object

可以看到，Series.map()方法可以接受一个函数或一个字典，并根据映射关系对每个值进行替换。它返回一个新的Series，而不会修改原始Series。

Series.replace()和Series.map()是两种不同的替换方法。Series.replace()适用于将指定的值替换为新的值，可以接受单个值、列表或字典，并且可以选择是否直接修改原始Series。而Series.map()适用于对每个值进行映射替换，可以接受函数、字典或Series，并且总是返回一个新的Series。