导读 在数据分析中，`pandas` 是一款非常强大的工具，而 `replace()` 函数更是处理数据时不可或缺的好帮手！它能帮助我们快速替换 DataFrame...
在数据分析中，`pandas` 是一款非常强大的工具，而 `replace()` 函数更是处理数据时不可或缺的好帮手！它能帮助我们快速替换 DataFrame 或 Series 中的特定值，让数据清洗变得更加高效。
首先，`replace()` 的基础用法非常简单：你可以直接指定需要替换的旧值和新值。例如，将所有“NaN”替换为“未知”：
```python
df['column'].replace(np.nan, '未知')
```
其次，如果你需要批量替换多个值，可以使用字典形式，比如将“苹果”替换为“A”，“香蕉”替换为“B”：
```python
df.replace({'fruit': {'苹果': 'A', '香蕉': 'B'}})
```
此外，`replace()` 还支持正则表达式，这在处理复杂数据时特别有用。例如，用“X”替换所有以“S”开头的字符串：
```python
df['column'].replace(r'^S.$', 'X', regex=True)
```
最后，别忘了利用 `inplace=True` 参数直接修改原 DataFrame，避免重复赋值操作。✨
掌握这些技巧后，你就能轻松应对各种数据清洗任务啦！💪
