写这篇博客主要是因为在修改DataFrame列值的时候经常遇到bug，但到目前还没把这种错误复现出来。
DataFrame是Pandas中的主要数据结构之一，本篇博客主要介绍如何DataFrame中某一列的值进行修改。
这部分主要介绍修改DataFrame列值的常规方法。为了方便后续说明先构建如下数据：
import pandas as pd
import numpy as np
df=pd.DataFrame([['A',1],['B',2],['C',5],['D',4],['E',10],['F',13],['G',8]],
columns=['col_1','col_2'],
index=list('abcdefg'))
df结果如下：
使用一个常量对DataFrame列中的数据进行修改时，代码举例如下：
df1=df.copy() df1['col_1']='H' df1.loc[['a','c','d'],'col_2']=100 #将指定索引的列值进行修改 df1.iloc[4:,-1]=200
df1的结果如下：
当需要对DataFrame列中的多个值进行修改时，可以使用List或array等变量型数据来对其进行修改。具体代码如下：
df2=df.copy() df2['col_1']=list(range(7)) df2.loc[df2.index<='d','col_2']=np.array([15,20,25,30]) df2.iloc[4:,-1]=np.array([10,5,0])
df2的结果如下：
除了以上两种数据类型之外，还可以使用Series型数据来修改DataFrame列的值。但使用这种方法时，需要索引对齐，否则会出错。具体举例如下：
df3=df.copy()
df3['col_1']=pd.Series([1,2,3,4,5,6,7]) #索引不对齐时不会报错，但没有成功修改列值。
df3.loc[['a','b','c'],'col_2']=pd.Series([100,200,300],index=list('abc'))
df3.iloc[3:,-1]=pd.DataFrame([[4000],[5000],[6000],[7000]],index=list('cdef'))
其结果如下：
DataFrame对象自带的方法replace()也可以实现列值的修改。该方法中的参数主要有以下几个：
| 参数 | 作用 |
|---|---|
| to_replace | 确定需要修改列值的数据。可接受的数据类型有：str, regex, list, dict, Series, int, float, or None |
| value | 指定修改后的值。可接受的数据类型有：scalar, dict, list, str, regex, default None |
| inplace | 是否本地置换 |
| limit | 指定前后填充的最大次数 |
| regex | 正则表达式符号。如果需要在to_replace中使用字符串形式的正则表达式对数据进行筛选的话，需要将其设置为True。 |
| method | 填充方式。‘pad’, ‘ffill’, ‘bfill’, None |
创建如下数据，具体如下：
df=pd.DataFrame([['A','A'],['B','B'],['C',5],['D',4]],
columns=['col_1','col_2'],
index=list('abcd'))
df的结果如下：
#A替换为aaa,B替换为bbb,4替换为100
df_1=df.replace(to_replace=['A','B',4],value=['aaa','bbb',100])
#将A替换为AAAA
df_2=df.replace(to_replace='A',value='AAAA')
#将A替换为AAAAA,5替换为2000
df_3=df.replace(to_replace={"A":'AAAAA',5:2000})
其结果如下：
#对于col_1列：将A替换为1，B替换为2
#对于col_2列：将A替换为100，B替换为200
df_4=df.replace({"col_1":{'A':1,'B':2},"col_2":{"A":100,"B":200}})
其结果如下：
#将A\B替换成new df_5=df.replace(to_replace=r'[AB]',value='new',regex=True)
其结果如下：
# df.iloc[index]['column_name'] = val 这种方式是错误的 df['column_name'].iloc[i] = val # 正确
