python - 在 Pandas 中用 NaN 替换空白值(空格)

Question

我想在 Pandas 数据框中查找包含空格(任意数量)的所有值，并将这些值替换为 NaN。

有什么想法可以改进吗？

基本上我想转这个:

                   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     
2000-01-05 -0.222552         4
2000-01-06 -1.176781  qux     

进入这个:

                   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

我已经设法用下面的代码做到了，但是这很难看。它不是 Pythonic，我敢肯定它也不是对 pandas 的最有效使用。我遍历每一列，并对通过应用一个函数生成的列掩码进行 bool 替换，该函数对每个值进行正则表达式搜索，匹配空白。

for i in df.columns:
    df[i][df[i].apply(lambda i: True if re.search('^\s*$', str(i)) else False)]=None

可以通过仅遍历可能包含空字符串的字段来进行一些优化:

if df[i].dtype == np.dtype('object')

但这并没有太大的改进

最后，这段代码将目标字符串设置为 None，这可以与 Pandas 的 fillna() 等函数一起使用，但如果我真的可以插入 NaN，那么完整性会很好 直接代替 None。

Answer 1

我认为 df.replace() 可以完成这项工作，因为 pandas 0.13 :

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))

生产:

                   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

---

作为 Temak指出，如果您的有效数据包含空格，请使用 df.replace(r'^\s+$', np.nan, regex=True)。