データの置換

データの前処理では、何らかのルールに基づいてデータを置換したい場面が多々あります。たとえば、次のようなケースです。

pandasで特定のデータを置換するには、たとえば次のようなメソッドがあります。

メソッド	説明	学べる場所
`mask(条件, 置換後の値)`	指定した条件に一致するデータを置換する	本問題
`where(条件, 置換後の値)`	指定した条件に一致しないデータを置換する	本問題
`map(辞書)`	辞書のキーと値の対応付けにしたがってデータを置換する	次の問題
`apply(関数)`	すべての行に対して、指定した関数を適用する。より複雑なルールで値を置換したいときに便利	次のクエスト「列や行に関数を適用しよう」

mask()を使うと、指定した条件に一致するデータを置換後の値で置換した結果が得られます。

# 指定した条件に一致するデータを置換
df[列名].mask(条件, 置換後の値)

具体的な例を見てみましょう。
次のような、顧客ごとの支払い総額のデータがあるとします。

列顧客区分の値はすべて"普通顧客"ですが、支払い総額が10万円以上の顧客に "優良顧客" という区分を割り当ててみましょう。次のように書くことで、「支払い総額が10万円以上のデータの顧客区分を "優良顧客" に置換した結果」を取得できます。

df["顧客区分"].mask(df["支払い総額"] >= 100000, "優良顧客")

0    普通顧客
1    普通顧客
2    優良顧客
3    普通顧客
Name: 顧客区分, dtype: object

3行目のデータ（支払い総額が15万円）の 顧客区分だけが"優良顧客"に置換され、他のデータはそのままであることがわかります

mask()を実行しただけでは元のdfは変更されないので、置換した結果を反映したい場合は次のように列を更新します。
df=という形にしない。df[]=という形にして、dfの変更されている範囲を決めて記載すること。

df["顧客区分"] = df["顧客区分"].mask(df["支払い総額"]

なお、置換後の値が未指定の場合は、条件に一致するデータがNaNになります。

df["顧客区分"].mask(df["支払い総額"] >= 100000)

0    普通顧客
1    普通顧客
2    NaN
3    普通顧客
Name: 顧客区分, dtype: object

where（）による置換

mask()と似た機能のメソッドにwhere()があります。
mask()は指定した条件に一致するデータを置換しますが、where()は指定した条件に 一致しない データを置換後の値で置換します。

# 指定した条件に一致しないデータを置換
df[列名].where(条件, 置換後の値)

先ほどの例と同様「支払い総額が10万円以上のデータの顧客区分を、"優良顧客"にする」場合、次のように書きます。

df["顧客区分"].where(df["支払い総額"] < 100000, "優良顧客")

mask()では条件の部分に「支払い総額が10万円以上」を指定しましたが、where()では「支払い総額が10万円未満」になっている点に注意してください。