import pandas as pd
impodt numpy  as np

替换
①df.where:替换不满足条件的值
②df.mask :替换满足条件的值
③np.where:替换满足条件的值
④df.loc[条件，列名]=替换的值

df.where('cond', 'other', inplace=False)
df.mask('cond','other',inplace=False)
cond:条件
other:需要替换的值
inplace:是否在原有的数据上进行替换
where 与mask 相反 
np.where(条件，原来的数据，需要替换的数据）

df = pd.DataFrame({'AAA': [4, 5, 6, 7],
   'BBB': [10, 20, 30, 40],
   'CCC': [100, 50, -30, -50]})
df

	AAA	BBB	CCC
0	4	10	100
1	5	20	50
2	6	30	-30
3	7	40	-50

df_mask = pd.DataFrame({'AAA': [True] * 4,
   'BBB': [False] * 4,
   'CCC': [True, False] * 2})
df_mask

	AAA	BBB	CCC
0	True	False	True
1	True	False	False
2	True	False	True
3	True	False	False

① df.where(df_mask,1000) 将标记为False的替换为1000

	AAA	BBB	CCC
0	4	1000	100
1	5	1000	1000
2	6	1000	-30
3	7	1000	1000

② df.mask(df_mask,1000) 将标记为True的替换为1000

	AAA	BBB	CCC
0	1000	10	1000
1	1000	-1	50
2	1000	-1	1000
3	1000	-1	-50

③ np.where(df_mask,df,1000) 将所有标记为False的替换为1000

	0	1	2
0	4	1000	100
1	5	1000	1000
2	6	1000	-30
3	7	1000	1000

④ df.loc[df.AAA>4,‘BBB’]=1000 将满足条件的某列进行替换

	AAA	BBB	CCC
0	4	10	100
1	5	1000	50
2	6	1000	-30
3	7	1000	-50

applymap的使用

df = pd.DataFrame({'AAA': [1, 2, 1, 3],
                  'BBB': [1, 1, 2, 2],
                  'CCC': [2, 1, 3, 1]})
df

	AAA	BBB	CCC
0	1	1	2
1	2	1	1
2	1	2	3
3	3	2	1

source_cols=df.columns
new_cols=[str(x)+'_cat' for x in source_cols]    
categories = {1: 'Alpha', 2: 'Beta', 3: 'Charlie'}
df[new_cols]=df[source_cols].applymap(categories.get)

	AAA	BBB	CCC	AAA_cat	BBB_cat	CCC_cat
0	1	1	2	Alpha	Alpha	Beta
1	2	1	1	Beta	Alpha	Alpha
2	1	2	3	Alpha	Beta	Charlie
3	3	2	1	Charlie	Beta	Alpha