如何在 Pandas DataFrame 中用 NaN 替换空白值？

在 Pandas 中用 NaN 替换空白值

在 Pandas 数据框中，通常需要识别空白值 (" ") 并将其替换为NaN 值。此操作可确保数据完整性并实现无缝分析。

实现此目的的一种有效方法是通过 Pandas Replace() 方法。其语法如下：

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

在此上下文中：

• to_replace 是表示空白值的正则表达式模式（例如，r'^s '）。
• value 是所需的替换值，可以为 NaN。
• regex 设置为 True 以启用正则表达式匹配。

要将空白值替换为 NaN，您可以使用以下代码：

<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>

输出：

          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

此代码有效地将数据框中的所有空白值替换为 NaN，从而提供更清晰、更准确的数据表示。

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