Bagaimana untuk Menggantikan Nilai Kosong dengan NaN dalam Pandas DataFrames?

Menggantikan Nilai Kosong dengan NaN dalam Panda

Dalam bingkai data Pandas, selalunya perlu mengenal pasti dan menggantikan nilai ruang kosong (" ") dengan nilai NaN. Operasi ini memastikan integriti data dan membolehkan analisis yang lancar.

Satu cara yang cekap untuk mencapainya ialah melalui kaedah Pandas replace(). Sintaksnya adalah seperti berikut:

<code class="python">df.replace(to_replace, value, regex=True)</code>

Dalam konteks ini:

• to_replace ialah corak ungkapan biasa yang mewakili nilai ruang putih (mis., r'^s ').
• nilai ialah nilai gantian yang diingini, yang boleh menjadi NaN.
• regex ditetapkan kepada Benar untuk mendayakan padanan ungkapan biasa.

Untuk menggantikan nilai kosong dengan NaN, anda boleh menggunakan kod berikut:

<code class="python">import pandas as pd
import numpy as np

# Create a sample dataframe
df = pd.DataFrame({
    "A": [-0.532681, 1.490752, -1.387326, 0.814772, -0.222552, -1.176781],
    "B": ['foo', 'bar', 'foo', 'baz', ' ','qux'],
    "C": [0, 1, 2, ' ', 4, ' ']
})

# Replace blank values with NaN
df = df.replace(r'^\s*$', np.nan, regex=True)

# Display the updated dataframe
print(df)</code>

Output:

          A     B     C
0 -0.532681   foo     0
1  1.490752   bar     1
2 -1.387326   foo     2
3  0.814772   baz   NaN
4 -0.222552   NaN     4
5 -1.176781   qux   NaN

Kod ini berkesan menggantikan semua nilai kosong dalam bingkai data dengan NaN, memberikan perwakilan data anda yang lebih bersih dan tepat.

Atas ialah kandungan terperinci Bagaimana untuk Menggantikan Nilai Kosong dengan NaN dalam Pandas DataFrames?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!