替換（DataFrame）

回傳一個新的 DataFrame，將一個值替換為另一個值。 DataFrame.replace 兩者 DataFrameNaFunctions.replace 是彼此的別名。 to_replace 和 value 必須具有相同的型別，且只能是數字、布林或字串。 價值可以是零。 替換時，新值會鑄造成現有欄位的類型。

語法

replace(to_replace: Union["LiteralType", List["LiteralType"], Dict["LiteralType", "OptionalPrimitiveType"]], value: Optional[Union["OptionalPrimitiveType", List["OptionalPrimitiveType"]]] = _NoValue, subset: Optional[List[str]] = None)

參數

參數	類型	說明
to_replace	布爾、int、float、字串、列表或字典	要被替換的價值。 若值為字字，則 value 可忽略或省略，且 to_replace 必須是值與替換之間的映射。
value	bool、int、float、string 或 None，選擇性	替換值必須是 bool、int、float、string 或 None。 若 value 是一個列表，則 value 應該與 的長度和類型 to_replace相同。 若 value 是純量且 to_replace 為序列，則 value 用作中每個項目 to_replace的替代。
subset	清單，選用	可選的欄位名稱清單。 子集中指定的欄位若資料型別不匹配，則會被忽略。

退貨

DataFrame： DataFrame 並被替換了值。

Examples

df = spark.createDataFrame([
    (10, 80, "Alice"),
    (5, None, "Bob"),
    (None, 10, "Tom"),
    (None, None, None)],
    schema=["age", "height", "name"])

df.na.replace(10, 20).show()
# +----+------+-----+
# | age|height| name|
# +----+------+-----+
# |  20|    80|Alice|
# |   5|  NULL|  Bob|
# |NULL|    20|  Tom|
# |NULL|  NULL| NULL|
# +----+------+-----+

df.na.replace('Alice', None).show()
# +----+------+----+
# | age|height|name|
# +----+------+----+
# |  10|    80|NULL|
# |   5|  NULL| Bob|
# |NULL|    10| Tom|
# |NULL|  NULL|NULL|
# +----+------+----+

df.na.replace(['Alice', 'Bob'], ['A', 'B'], 'name').show()
# +----+------+----+
# | age|height|name|
# +----+------+----+
# |  10|    80|   A|
# |   5|  NULL|   B|
# |NULL|    10| Tom|
# |NULL|  NULL|NULL|
# +----+------+----+