如何在 Pandas DataFrame 中用 NaN 替换空白值（空白）？

在 Pandas 中用 NaN 替换空白值

数据清理是数据分析中至关重要的一步。一项常见任务是将空白值（空白）替换为 NaN。使用 Pandas 可以有效地完成此操作。

要实现此目的，请利用 df.replace() 函数。此函数允许对 DataFrame 值进行基于正则表达式的搜索和替换操作。以下是实现它的方法：

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

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 fields that contain only whitespace (or are empty) with NaN
print(df.replace(r'^\s*$', np.nan, regex=True))

# Output:
#                    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</code>

请注意，此代码替换仅包含空格或为空的字段（即匹配正则表达式 r'^s*$'**）。如果您的有效数据包含空格，请相应地调整正则表达式（例如，从 r'^s ' 的末尾删除 **$）。

以上是如何在 Pandas DataFrame 中用 NaN 替换空白值（空白）？的详细内容。更多信息请关注PHP中文网其他相关文章！