pandas - str.replace 函数创建 NaN 数据

Question

我正在尝试替换 Pandas 列中的某些字符串，但得到 NaN对于某些行。该列是一种对象数据类型。

我想要所有带有 'n' 的行在字符串中替换为 'N'和所有行 's'在字符串中替换为 'S' .换句话说，我试图在出现时将字符串大写。

但是，我收到了 NaN没有 'n' 的行的值或 's'在字符串中。 如何更换 'n'和 's'没有得到NaN对于其他值？

这是我的数据框的头部:

data_frame['column_name'].head(10)
0      1n
1      1n
2      1n
3      1n
4      2n
5      2s
6       3
7       3
8      4s
9      4s

替换后，字符串 '3'现在是 NaN :

data_frame['column_name'] = data_frame['column_name'].str.replace('n', 'N')
data_frame['column_name'] = data_frame['column_name'].str.replace('s', 'S')

data_frame['column_name'].head(10)
Out[87]: 
0     1N
1     1N
2     1N
3     1N
4     2N
5     2S
6    NaN
7    NaN
8     4S
9     4S
Name: NCU, dtype: object

如果我可以添加更多信息，请告诉我。

Answer 1

最简单的解决方案是将列转换为 string - 那么可以使用 str.upper或 str.replace :

data_frame['column_name'] = data_frame['column_name'].astype(str)
data_frame['column_name'] = data_frame['column_name'].str.replace('n', 'N')
data_frame['column_name'] = data_frame['column_name'].str.replace('s', 'S')
print (data_frame)
  column_name
0          1N
1          1N
2          1N
3          1N
4          2N
5          2S
6           3
7           3
8          4S
9          4S

但如果需要将数字和字符串放在一起 :

我想你需要 Series.replace ，因为您有混合值 - 带字符串的数字和 str.replace 返回 NaN其中数值(bur 使用 mask 使用另一个解决方案):

data_frame['column_name'] = data_frame['column_name'].replace(['n', 's'],
                                                              ['S','N'],
                                                              regex=True)
print (data_frame)
  column_name
0          1S
1          1S
2          1S
3          1S
4          2S
5          2N
6           3
7           3
8          4N
9          4N

另一种解决方案是仅过滤器 string并使用 Series.mask 与 str.upper :

mask = data_frame['column_name'].apply(type) == str
data_frame['column_name'] = data_frame['column_name'].mask(mask,
                            data_frame['column_name'].str.upper())
print (data_frame)
  column_name
0          1N
1          1N
2          1N
3          1N
4          2N
5          2S
6           3
7           3
8          4S
9          4S

另一种解决方案是更换 NaN来自 combine_first 或 fillna :

upper = data_frame['column_name'].str.upper()
data_frame['column_name'] = upper.combine_first(data_frame['column_name'])
#alternative solution
#data_frame['column_name'] = upper.fillna(data_frame['column_name'])
  column_name
0          1N
1          1N
2          1N
3          1N
4          2N
5          2S
6           3
7           3
8          4S
9          4S