如何在 Pandas 資料框中用 NaN 替換空白值？

在Pandas 中用NaN 取代空白值

問題

在Pandas 資料框中尋找空白值並將其替換為NaN 可能是一個挑戰。目標是將具有空字串值的資料幀轉換為具有 NaN 值的資料幀，從而可能改善資料處理和分析。

解決方案

df.replace() 方法提供了一個優雅的解決方案，讓您可以根據正規表示式替換值：

<code class="python">df.replace(r'^\s*$', np.nan, regex=True)</code>

在此在正規表示式模式中，^ 符合字串的開頭，s* 符合零個或多個空白字符，$ 符合字串的結尾。因此，此正規表示式檢查完全由空格或空字串組成的字串。

實作

將此解決方案應用於範例資料框：

<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'))

result = df.replace(r'^\s*$', np.nan, regex=True)

print(result)</code>

這將產生所需的輸出：

                   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

改進

如Temak 所指出的，如果有效資料可能包含空格，則可以將正規表示式模式修改為r'^s $' 以僅匹配包含以下內容的字串完全是空白：

<code class="python">df.replace(r'^\s+$', np.nan, regex=True)</code>

以上是如何在 Pandas 資料框中用 NaN 替換空白值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！