如何在 Pandas DataFrame 中有效地將空白值替換為 NaN？

在Pandas 中用NaN 取代空白值（空白）

問題：

考慮一個有空白值的Pandas 資料框存在於某些欄位中。目標是用 NaN 值取代這些空格。

醜陋的解決方案：

<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>

此解決方案迭代每一列，使用正規表示式產生布林掩碼，並將空白值替換為 None。然而，它效率低且不符合習慣。

改進的解決方案：

<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'))

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

此解決方案利用了Pandas 內建的Replace() 函數，可以用來替換基於正規表示式模式的指定值。透過使用 r'^s*$'，正規表示式會匹配任何完全由空格（或為空）組成的字段，並將其替換為 NaN。

最佳化：

• 檢查資料型是否為對象，因為空白值通常會出現在物件欄位中。
• 如果有效資料包含空白字符，請使用 r'^s $' 而不是 r'^s*$' .

以上是如何在 Pandas DataFrame 中有效地將空白值替換為 NaN？的詳細內容。更多資訊請關注PHP中文網其他相關文章！