Pandas 使用 .replace() 交换值的奇怪行为

Posted 2023-03-12

【中文标题】Pandas 使用 .replace() 交换值的奇怪行为

【英文标题】：Pandas weird behavior using .replace() to swap values

【发布时间】：2018-09-21 08:12:51

【问题描述】：

在使用 Pandas replace 函数交换列的两个值时，我偶然发现了一种奇怪且不一致的行为。当使用它来交换列中的整数时，我们有

df = pd.DataFrame('A': [0, 1])
df.A.replace(0: 1, 1: 0)

这会产生结果：

df
A
1
0

但是，当对字符串值使用相同的命令时

df = pd.DataFrame('B': ['a', 'b'])
df.B.replace('a': 'b', 'b': 'a')

我们得到

df
B
'a'
'a'

谁能向我解释这种行为差异，或者指向文档中的一个页面，该页面处理在 pandas 中使用整数和字符串时出现的不一致问题？

【参考方案1】：

是的，这绝对是一个错误，所以我开了一个新问题 - GH20656。

看起来 pandas 连续应用替换。它进行第一次替换，导致“a”被替换为“b”，然后是第二次，导致两个“b”都被替换为“a”。

总之，你看到的等价于

df.B.replace('a', 'b').replace('b', 'a')

0    a
1    a
Name: B, dtype: object

这绝对是不应该发生的事情。

---

有一个使用str.replace 和lambda 回调的解决方法。

m = 'a': 'b', 'b': 'a'
df.B.str.replace('|'.join(m.keys()), lambda x: m[x.group()])

0    b
1    a
Name: B, dtype: object

【讨论】：

我同意，不一致之处在于 Series.str.replace() 函数。当您尝试DataFrame.replace('B': 'a': 'b', 'b': 'a') 时，DataFrame.replace() 会正确引发错误，而用于int 的版本Series.replace() 将它们映射到一个单独的数组中，然后正确替换整个列。不知何故，他们忘记保持Series.str.replace() 一致，该函数将dict 转换为有序集合并以特定顺序应用它们。

@Ricardo 我已经打开了一个问题，让我们看看开发人员怎么说。