在處理數據的時候，很多時候會遇到批量替換的情況，如果一個一個去修改效率過低，也容易出錯。replace()是很好的方法。
1、替換全部或者某一行
replace的基本結構是：df.replace(to_replace, value) 前面是需要替換的值，后面是替換后的值。
例如我們要將南岸改為城區：
這樣Python就會搜索整個DataFrame並將文檔中所有的南岸替換成了城區（要注意這樣的操作並沒有改變文檔的源數據，要改變源數據需要使用inplace = True）。
由於南岸只有城市一列具有相同值，使用起來比較方便。
但是如果我們要改變表1Lon里的某個數據，而不改變Longitude的數據要怎么做呢？
所以只想替換部分數據的時候並且要寫入源數據就需要指定inplace。
在上面的操作只改變了表1Lon的數據，其它列的數據並沒有被替換，而且在替換后的結果不需要我們再和源數據進行合並操作，可以直接體現在源數據中。
2、替換指定的某個或指定的多個數值（用字典的形式）
這個很好理解，就是字典里的建作為原值，字典里的值作為替換的新值。
當然，我們也可是使用列表的形式進行替換：df.replace(['A','29.54'],['B',100])
還有如果想要替換的新值是一樣的話，我們還可以這樣做：
部分替換和替換某個值結合使用的話就可以替換單個列的數值：
3、使用正則表達式替換
正則表達式很強大，能夠讓我們實現一次替換很多很多個不同的值：
使用正則表達式的時候記得后面加 regex=True參數。
有圖中我們可以看到只要包含有大寫的英文字母的數據都被替換了，如果我們要寫入源數據還需要指定inpla = True。
當需要將缺失值替換掉的時候，我們可以考慮直接只用fillna()，功能更強大，這個前面已經有說過了。
在某些情況下，如果我們只需要某個數據的部分內容，我們該怎么操作呢？
比如要把變電站都改為transformer_substation，或者是把Latitude列的前面的ab改為AB：
需要注意的時更好指定列的時候，使用str.replace時不能使用inplace = True參數，因此需要改成賦值，賦值的時候不要忘了是列的賦值而不是整個表格的賦值。