如何在 Pandas DataFrame 中用 NaN 替換空字串（空格）？

在Pandas 中用NaN 取代空白值（空白）

如何在Pandas 中有效地用NaN 取代空白值（空白） dataframe ?

初始方法：

以下程式碼能夠用None 取代空白值，但效率很低，也不是最Pythonic 的解：

<code class="python">for i in df.columns:
    df[i][df[i].apply(lambda i: True if re.search('^\s*$', str(i)) else False)] = None</code>

最優方案：

Pandas 透過df.replace() 方法提供了更簡潔高效的解決方案：

<code class="python">df = pd.DataFrame([
    [-0.532681, 'foo', 0],
    [1.490752, 'bar', 1],
    [-1.387326, 'foo', 2],
    [0.814772, 'baz', ' '],     
    [-0.222552, '   ', 4],
    [-1.176781,  'qux', '  '],         
], columns='A B C'.split(), index=pd.date_range('2000-01-01','2000-01-06'))

# replace field that's entirely space (or empty) with NaN
print(df.replace(r'^\s*$', np.nan, regex=True))</code>

這段程式碼替換空白值（正規表示式：^s*$）與NaN，產生所需的輸出：

                   A    B   C
2000-01-01 -0.532681  foo   0
2000-01-02  1.490752  bar   1
2000-01-03 -1.387326  foo   2
2000-01-04  0.814772  baz NaN
2000-01-05 -0.222552  NaN   4
2000-01-06 -1.176781  qux NaN

注意：

如果您需要處理可能的有效資料包含空格，可以將正規表示式修改為r'^s $'，它只符合完全由空格組成的欄位。

以上是如何在 Pandas DataFrame 中用 NaN 替換空字串（空格）？的詳細內容。更多資訊請關注PHP中文網其他相關文章！