> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
Excel 无疑是数据处理的入门工具，他有许多便捷的功能，但是实际工作中的需求往往是越来越"疯狂"，今天我们就来看看如何在 pandas 中实现 Excel 中的查找替换功能，并且最后做到 Excel 所做不到的。
案例1
Excel 很容易出现不规范的数据，有时候我们会遇到各列都有些问题值需要批量替换：
- - 希望把所有 x 替换成"问题数据"
Excel 上自然用查找替换，Ctrl H ，填写查找值与替换值，马上搞定：
pandas 中也有同样的方法对应查找替换功能：
- - DataFrame.replace()
- - 参数1：查找值
- - 参数2(value)：替换值
案例2
但是，有时候情况会变得复杂：
- - 大部分的异常值是 x ，但有一些是 xx
Excel 中可以的查找值可以使用通配符，如下可以解决：
- - 查找值填 "x*"
pandas 中，直接可以使用正则表达式，因此完全难不倒你：
- - 参数 regex ，填写正则表达式，"x " ，表示1个或多个x
案例3
现实往往超出你的想象，部门领导突然跟你说，每列的异常数据替换为"问题[列名]"：
- - 每列的新值都不一样
此时你心里走过一万个草泥马。
如果在 Excel ，这只能手工逐列替换操作。
pandas 中当然不需要：
- - 第2参数 value ，可以接受一个字典，key 是列名，item 是替换的新值
拒绝繁琐！！
有人就会说：这太傻了吧，我还要每列的新值给写出来，我还不如用 Excel 一列列操作呢。
你说的对，当然有更加灵活方便的方式：
- - pandas 中可以轻松访问列名字等信息
上面这方法即使换另外一份数据，一句代码都不需要修改即可完成任务！！
你 get 到了吗？
总结
- - DataFrame.replace() ，整表查找替换
- - 参数1 ： 指定查找值
- - 参数2(value)：替换的新值，可以用字典，用以不同列替换不同值
- - 参数 regex：正则表达式，可以做最灵活的查找替换
