1.背景

Titanic存活率預測案例：

# 讀取資料
df_train = pd.read_csv("./data/train.csv")
df_train.head()

OUT：

乘客姓名重複度太低，不適合直接使用。而姓名中包含Mr. Mrs. Dr.等具有文化特徵的資訊，可將之抽取出來：

# 定義一個抽取方法
def GetMiddleStr(content):
    startStr = ','
    endStr = '.'
    startIndex = content.index(startStr)
    if startIndex>=0:
        startIndex += len(startStr)
    endIndex = content.index(endStr)
    content = content[startIndex:endIndex]
    return content

df_train["Name"] = df_train["Name"].apply(GetMiddleStr)
df_train['Name'].unique()
 

OUT：

array([' Mr', ' Mrs', ' Miss', ' Master', ' Don', ' Rev', ' Dr', ' Mme',
       ' Ms', ' Major', ' Lady', ' Sir', ' Mlle', ' Col', ' Capt',
       ' the Countess', ' Jonkheer'], dtype=object)

通過replace()方法將上面得到的頭銜縮小類別。

2.BUG復現

df_train["Name"] = df_train["Name"].replace(['Lady','the Countess','Capt','Col',\
                                                'Don','Dr','Major','Rev','Sir',\
                                                'Jonkheer','Dona'],'Rare')
df_train["Name"] = df_train["Name"].replace('Mlle','Miss')
df_train["Name"] = df_train["Name"].replace('Ms','Miss')
df_train["Name"] = df_train["Name"].replace('Mme','Mrs')

df_train['Name'].unique()
 

OUT：

array([' Mr', ' Mrs', ' Miss', ' Master', ' Don', ' Rev', ' Dr', ' Mme',
       ' Ms', ' Major', ' Lady', ' Sir', ' Mlle', ' Col', ' Capt',
       ' the Countess', ' Jonkheer'], dtype=object)

3.原因

在Python中字串是immutable物件，是不可變物件。所以string使用replace需要重新賦值，生成一個新的物件。（即replace函式返回一個新值，不改變原來str的值，所以輸出的仍為原結果）

4.解決

不能直接呼叫replace()，需要轉為字串，才可以對元素的部分內容進行修改

df_train["Name"] = df_train["Name"].str.replace('Mlle','Miss')

但是此方法程式碼中傳入replace“被替換的值”不支援傳入列表，僅支援傳入單個字串

如，以下程式碼將會報錯：

df_train["Name"] = df_train["Name"].str.replace(['Lady','the Countess','Capt','Col',\
                                                'Don','Dr','Major','Rev','Sir',\
                                                'Jonkheer','Dona'],'Rare')