[Visualización del análisis de datos] Mapeo y reemplazo

DataFrame inserta una nueva columna, conduce a Mapa

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

# 通过字典创建DataFrame
df1 = DataFrame({'城市':['北京','上海','广州'],'人口':[1000,2000,3000]})
df1

	La ciudad	Población
0 0	Beijing	1000
1	Shangai	2000
2	Guangzhou	3000

# 给DataFrame增加一列(直接赋值)
# 缺点：要关注顺序
df1['GDP'] = Series([100,200,300])
df1

	La ciudad	Población	PIB
0 0	Beijing	1000	100
1	Shangai	2000	200
2	Guangzhou	3000	300

# 通过城市增加GDPMap
# 优点：无需关注顺序
gdp_map = {'北京':300,'上海':400,'广州':500}
# 也是新一列就是赋值方式是map
df1['GDPMap'] = df1['城市'].map(gdp_map)
df1

	La ciudad	Población	PIB	GDPMap
0 0	Beijing	1000	100	300
1	Shangai	2000	200	400
2	Guangzhou	3000	300	500

Columna insertada directamente por Serie (pozo: 1 orden 2 correspondiente al cambio de valor de índice)

# 索引值如果自定义
# 通过字典创建DataFrame
df1 = DataFrame({'城市':['北京','上海','广州'],'人口':[1000,2000,3000]},index=['A','B','C'])
df1

	La ciudad	Población
UNA	Beijing	1000
si	Shangai	2000
C	Guangzhou	3000

# 问题： 新列值为nan
# 给DataFrame增加一列(直接赋值)
# 缺点：要关注顺序
df1['GDP'] = Series([100,200,300])
df1

	La ciudad	Población	PIB
UNA	Beijing	1000	NaN
si	Shangai	2000	NaN
C	Guangzhou	3000	NaN

# 解决： 指定列值
# 麻烦，因此建议直接用map（）字典对应
df1['GDP'] = Series([100,200,300], index=['A','B','C'])
df1

	La ciudad	Población	PIB
UNA	Beijing	1000	100
si	Shangai	2000	200
C	Guangzhou	3000	300

Reemplazar en serie

s1 = Series(np.arange(10))
s1

0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int64

# 替换（字典也行）
s1.replace(1,np.nan)

0    0.0
1    NaN
2    2.0
3    3.0
4    4.0
5    5.0
6    6.0
7    7.0
8    8.0
9    9.0
dtype: float64

# 多数据同时替换
s1.replace([1,2,3],[20,30,40])

0     0
1    20
2    30
3    40
4     4
5     5
6     6
7     7
8     8
9     9
dtype: int64