Wie ersetze ich leere Zeichenfolgen (Leerzeichen) durch NaN in einem Pandas DataFrame?

Ersetzen von Leerwerten (Leerzeichen) durch NaN in Pandas

Wie können Sie Leerwerte (Leerzeichen) in Pandas effizient durch NaN ersetzen? Datenrahmen?

Erster Ansatz:

Der folgende Code ist in der Lage, leere Werte durch „Keine“ zu ersetzen, aber er ist ineffizient und nicht die pythonischste Lösung:

<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>

Optimale Lösung:

Pandas bietet eine präzisere und effizientere Lösung durch die df.replace()-Methode:

<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>

Dieser Code ersetzt Leerzeichen Werte (reguläre Ausdrücke: ^s*$) mit NaN, wodurch die gewünschte Ausgabe erzeugt wird:

                   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

Hinweis:

Wenn Sie gültige Daten verarbeiten müssen, kann dies der Fall sein Leerzeichen enthalten, können Sie den regulären Ausdruck in r'^s $' ändern, was nur auf Felder zutrifft, die vollständig aus Leerzeichen bestehen.

Das obige ist der detaillierte Inhalt vonWie ersetze ich leere Zeichenfolgen (Leerzeichen) durch NaN in einem Pandas DataFrame?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!