Wie ersetze ich leere Werte durch NaN in Pandas DataFrames?

Ersetzen von Leerwerten durch NaN in Pandas

In Pandas-Datenrahmen ist es häufig erforderlich, Leerzeichenwerte (" ") zu identifizieren und durch zu ersetzen NaN-Werte. Dieser Vorgang stellt die Datenintegrität sicher und ermöglicht eine nahtlose Analyse.

Eine effiziente Möglichkeit, dies zu erreichen, ist die Pandas-Methode replace(). Seine Syntax lautet wie folgt:

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

In diesem Zusammenhang:

• to_replace ist das reguläre Ausdrucksmuster, das Leerraumwerte darstellt (z. B. r'^s ').
• Wert ist der gewünschte Ersatzwert, der NaN sein kann.
• Regex wird auf „True“ gesetzt, um den Abgleich mit regulären Ausdrücken zu ermöglichen.

Leerwerte können durch NaN ersetzt werden Verwenden Sie den folgenden Code:

<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>

Ausgabe:

          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

Dieser Code ersetzt effektiv alle leeren Werte im Datenrahmen durch NaN und sorgt so für eine sauberere und genauere Darstellung Ihrer Daten.

Das obige ist der detaillierte Inhalt vonWie ersetze ich leere Werte durch NaN in Pandas DataFrames?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!