在 Pandas 中用 NaN 替换空白值（空白）
如何在 Pandas 中高效地用 NaN 替换空白值（空白） dataframe?
初始方法：
以下代码能够用 None 替换空白值，但效率很低，也不是最 Pythonic 的解决方案：
<code class="python">for i in df.columns:
df[i][df[i].apply(lambda i: True if re.search('^\s*$', str(i)) else False)] = None</code>最优方案：
Pandas 通过 df.replace() 方法提供了更简洁高效的解决方案：
<code class="python">df = pd.DataFrame([
[-0.532681, 'foo', 0],
[1.490752, 'bar', 1],
[-1.387326, 'foo', 2],
[0.814772, 'baz', ' '],
[-0.222552, ' ', 4],
[-1.176781, 'qux', ' '],
], columns='A B C'.split(), index=pd.date_range('2000-01-01','2000-01-06'))
# replace field that's entirely space (or empty) with NaN
print(df.replace(r'^\s*$', np.nan, regex=True))</code>这段代码替换空白值（正则表达式：^s*$）与 NaN，产生所需的输出：
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
注意：
如果您需要处理可能的有效数据包含空格，可以将正则表达式修改为r'^s $'，它只匹配完全由空格组成的字段。
以上是如何在 Pandas DataFrame 中用 NaN 替换空字符串（空格）？的详细内容。更多信息请关注PHP中文网其他相关文章！
