替換熊貓數據框中的特殊字符

Question

所以，我有這個巨大的DF，它編碼在iso8859_15。

我有幾列包含巴西的名字和地方，所以其中一些列包含特殊字符，如「í」或「Ô」。

我有鑰匙，以取代他們的字典{ 'I'： '我'， 'A'： 'A'，...}

我試圖取代它一對夫婦的方式（如下圖） ，但他們都沒有工作。

df.replace(dictionary, regex=True, inplace=True) ###BOTH WITH AND WITHOUT REGEX AND REPLACE 

另外：

df.udpate(pd.Series(dic)) 

他們誰也不期望輸出，這將是字符串，例如「尼古拉斯」成爲「NICOLAS」。

幫助？

Answer 1

上pandas.DataFrame.replace該文檔說，你必須提供一個嵌套字典：在第一級是列名，你必須提供替代對一個秒字典。

所以，這應該工作：

>>> df=pd.DataFrame({'a': ['NÍCOLAS','asdč'], 'b': [3,4]}) 
>>> df 
     a b 
0 NÍCOLAS 3 
1  asdč 4 

>>> df.replace({'a': {'č': 'c', 'Í': 'I'}}, regex=True) 
     a b 
0 NICOLAS 3 
1  asdc 4 

編輯。似乎pandas也接受非嵌套翻譯字典。在這種情況下，問題可能與字符編碼,特別是如果您使用Python 2。假設您的CSV負載功能正常解碼的文件的字符（如真正的Unicode代碼點），那麼你應該照顧你的翻譯/替換字典也與Unicode字符的定義是這樣的：如果你有一個

dictionary = {u'í': 'i', u'á': 'a'} 

像這樣（和使用Python 2）的定義：

dictionary = {'í': 'i', 'á': 'a'} 

那麼該字典中的實際鍵是多字節字符串。哪些字節（字符）它們是取決於所使用的實際源文件的字符編碼，但假設你使用UTF-8，你會得到：

dictionary = {'\xc3\xa1': 'a', '\xc3\xad': 'i'} 

這可以解釋爲什麼pandas無法取代那些字符。因此，請務必在Python 2中使用Unicode文字：​​。

在另一方面，在Python 3，所有的字符串都是Unicode字符串，而不必在Python 3使用u前綴（其實unicode類型從Python 2中被重命名爲str，老str來自Python 2的Python 3現在是bytes）。

Answer 2

replace開箱即用，沒有在Python 3中指定特定的列。

加載數據：

df=pd.read_csv('test.csv', sep=',', low_memory=False, encoding='iso8859_15') 
df 

結果：

col1 col2 
0 he hello 
1 Nícolas shárk 
2 welcome yes 

創建詞典：

dictionary = {'í':'i', 'á':'a'} 

替換：

df.replace(dictionary, regex=True, inplace=True) 

結果：

col1 col2 
0 he hello 
1 Nicolas shark 
2 welcome yes