如何替换Pandas DataFrame列值并将日期列转换为整数格式？

嘿，我来帮你搞定这两个Pandas数据处理的问题，都是日常干活经常碰到的场景，直接上实用方案：

这个需求分好几种情况，我给你列最常用的几种：

• 替换单个特定值
  比如你想把列score里的所有0都换成90，直接用replace方法就行：

df['score'] = df['score'].replace(0, 90)

如果要同时操作多列或者更明确指定列，也可以用字典映射的写法，加inplace=True就能直接修改原DataFrame：

df.replace({'score': {0: 90}}, inplace=True)

• 替换多个不同的值
  比如列status里的'待审核'要换成0，'已通过'换成1，用字典映射最直观：

df['status'] = df['status'].replace({'待审核': 0, '已通过': 1})

也可以用两个列表对应替换，适合值比较多的场景：

df['status'] = df['status'].replace(['待审核', '已通过', '已驳回'], [0, 1, 2])

• 基于条件替换特定值
  比如列age里大于60的值都标记为'老年'，其他为'成年'，用loc或者numpy.where都可以：
  用loc的写法：

df.loc[df['age'] > 60, 'age'] = '老年'
df.loc[df['age'] <= 60, 'age'] = '成年'

用numpy.where更简洁（记得先导入numpy）：

import numpy as np
df['age'] = np.where(df['age'] > 60, '老年', '成年')

你的date列是'2018-02-01'这种标准字符串格式，有两种高效方法：

• 方法一：先转datetime再格式化（兼容性更强）
  如果你的date列可能存在不标准的日期格式，先转成datetime类型再处理更稳妥：

import pandas as pd
# 第一步：把字符串转为datetime类型（如果还没转的话）
df['date'] = pd.to_datetime(df['date'])
# 第二步：格式化为无分隔符的字符串，再转成整数
df['date_int'] = df['date'].dt.strftime('%Y%m%d').astype(int)

要是不需要保留原date列，直接覆盖就行：df['date'] = df['date'].dt.strftime('%Y%m%d').astype(int)

• 方法二：直接字符串替换（速度更快）
  如果你的date列已经是严格的'YYYY-MM-DD'格式，直接去掉横杠再转整数，比转datetime快不少，适合大数据量：

df['date_int'] = df['date'].str.replace('-', '').astype(int)

内容的提问来源于stack exchange，提问作者Maphanew Kim