python - 使用正则表达式将值替换为 np.nan

Question

我有一个数据框如下:

data1 = {"first":["alice", "bob", "carol"],
         "last_huge":["foo", "bar", "baz"]}
df = pd.DataFrame(data1)

例如，我想将所有字符 'o' 替换为 'a':

那我做

df.replace({"o":"a"},regex=True)
Out[668]: 
   first last
0  alice  faa
1    bab  bar
2  caral  baz

它回馈我所需要的。

但是，当我想将'o'替换为np.nan时，它会将整个字符串更改为np.nan。 pandas 的文档有解释吗？ 我可以通过source code 找到一些信息。 .

更多信息:(它将整个字符串更改为np.nan)

df.replace({"o":np.nan},regex=True)
Out[669]: 
   first last
0  alice  NaN
1    NaN  bar
2    NaN  baz

Answer 1

NaN is consistently used as a placeholder for missing ，当用“缺失”替换字符串的一部分时，它只能意味着整个条目都被破坏了。我听说过这称为 NaN 污染(或类似的，看看我是否能找到一些引用资料)，因为如果 NaN 接触到数据就会受到损害。

也就是说，情况并非总是如此:

In [11]: s = pd.Series([1, 2, np.nan, 4])

In [12]: s.sum()
Out[12]: 7.0

In [13]: s.sum(skipna=False)
Out[13]: nan

在某些语言中，您会看到 skipna=False 作为默认行为，一些人强烈主张 NaN 应该始终污染所有数据。 Pandas 采用了一种更务实的方法......

真正的问题是您希望它在 NaN 的情况下做什么？