如何在 Pandas DataFrame 中用 NaN 取代空白值？

在Pandas 中用NaN 取代空白值

在Pandas 資料框中，通常需要辨識空白值(" ") 並將其替換為NaN 值。此操作可確保資料完整性並實現無縫分析。

實現此目的的有效方法是透過 Pandas Replace() 方法。其語法如下：

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

在此上下文中：

• to_replace 是表示空白值的正規表示式模式（例如，r'^s '）。
• value 是所需的替換值，可以是 NaN。
• regex 設定為 True 以啟用正規表示式匹配。

要將空白值替換為NaN，您可以使用以下程式碼：

<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>

輸出：

          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

此程式碼有效地將資料框中的所有空白值替換為NaN，從而提供更清晰、更準確的數據表示。

以上是如何在 Pandas DataFrame 中用 NaN 取代空白值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！