如何在 Pandas DataFrame 中用 NaN 替换空字符串（空格）？

在 Pandas 中用 NaN 替换空白值（空白）

如何在 Pandas 中高效地用 NaN 替换空白值（空白） dataframe?

初始方法：

以下代码能够用 None 替换空白值，但效率很低，也不是最 Pythonic 的解决方案：

<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>

最优方案：

Pandas 通过 df.replace() 方法提供了更简洁高效的解决方案：

<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>

这段代码替换空白值（正则表达式：^s*$）与 NaN，产生所需的输出：

                   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：

如果您需要处理可能的有效数据包含空格，可以将正则表达式修改为r'^s $'，它只匹配完全由空格组成的字段。

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