データの値を別の値に置き換えたいことがあります。pandas では map と replace を使って値を置換できます。それぞれ用途が異なるので、使い分けを理解しておきましょう。
map でマッピングする
map は Series の値を辞書やルールに従って変換します。
import pandas as pd df = pd.DataFrame({ 'grade': ['A', 'B', 'C', 'A', 'B'] }) mapping = {'A': '優', 'B': '良', 'C': '可'} df['grade_jp'] = df['grade'].map(mapping) print(df)
辞書に含まれない値があると NaN になります。
df = pd.DataFrame({ 'grade': ['A', 'B', 'D'] # D は辞書にない }) mapping = {'A': '優', 'B': '良', 'C': '可'} df['grade_jp'] = df['grade'].map(mapping) # D は NaN になる
map で関数を適用する
map には関数も渡せます。
df = pd.DataFrame({ 'name': ['alice', 'bob', 'charlie'] }) # 先頭を大文字に df['name_cap'] = df['name'].map(str.capitalize) # 独自の変換関数 df['name_upper'] = df['name'].map(lambda x: x.upper() + '!')
replace で置換する
replace は値を直接置換します。map と違い、マッピングにない値はそのまま残ります。
df = pd.DataFrame({ 'status': ['active', 'inactive', 'pending', 'active'] }) df['status'] = df['status'].replace({'active': 1, 'inactive': 0}) print(df) # pending はそのまま残る
DataFrame 全体に対しても使えます。
df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [2, 3, 4] }) # DataFrame 全体で 2 を 20 に置換 df = df.replace(2, 20)
複数の値を一度に置換する
replace はリストや辞書で複数の置換を指定できます。
# リストで指定（順番に対応） df = df.replace([1, 2, 3], [10, 20, 30]) # 辞書で指定 df = df.replace({1: 10, 2: 20, 3: 30})
正規表現で置換する
regex=True を指定すると、正規表現でパターンマッチングして置換できます。
df = pd.DataFrame({ 'text': ['apple123', 'banana456', 'cherry789'] }) # 数字を削除 df['text'] = df['text'].replace(r'\d+', '', regex=True)
map と replace の使い分け
map
1 つの列の値を完全に変換する。辞書にない値は NaN になる。カテゴリ変数の変換に向いている。
replace
特定の値だけを置き換える。指定しない値はそのまま。部分的な修正や複数列への一括適用に向いている。
# map: すべての値を変換したい場合 grade_map = {'A': 4, 'B': 3, 'C': 2, 'D': 1, 'F': 0} df['gpa'] = df['grade'].map(grade_map) # replace: 一部の値だけ修正したい場合 df['status'] = df['status'].replace('Actve', 'Active') # タイポ修正
データのクレンジングでは replace でタイポや表記ゆれを修正し、カテゴリのエンコーディングでは map で数値に変換する、という使い分けが一般的です。
