Pandas: как заменить пустые строки на NaN

Вы можете использовать следующий синтаксис для замены пустых строк значениями NaN в pandas:

df = df.replace ( r'^\s\*$' , np.nan , regex= True )

В следующем примере показано, как использовать этот синтаксис на практике.

Связанный: Как заменить значения NaN на строку в Pandas

Пример: заменить пустые строки на NaN

Предположим, у нас есть следующий кадр данных pandas, который содержит информацию о различных баскетболистах:

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', '', 'D', 'E', '', 'G', 'H'],
 'position': ['', 'G', 'G', 'F', 'F', '', 'C', 'C'],
 'points': [5, 7, 7, 9, 12, 9, 9, 4],
 'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
df

 team position points rebounds
0 A 5 11
1 B G 7 8
2 G 7 10
3 D F 9 6
4 E F 12 6
5 9 5
6 G C 9 9
7 H C 4 12

Обратите внимание, что в столбцах team и position есть несколько пустых строк.

Мы можем использовать следующий синтаксис, чтобы заменить эти пустые строки значениями NaN:

import numpy as np

#replace empty values with NaN
df = df.replace ( r'^\s\*$' , np.nan , regex= True )

#view updated DataFrame
df

 team position points rebounds
0 A NaN  5 11
1 B G  7 8
2 NaN G  7 10
3 D F  9 6
4 E F  12 6
5 NaN NaN  9 5
6 G C  9 9
7 H C  4 127

Обратите внимание, что каждая из пустых строк заменена на NaN.

Примечание.Полную документацию по функции замены в pandas можно найти здесь .

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в pandas:

Как вменить пропущенные значения в Pandas
Как подсчитать пропущенные значения в Pandas
Как заполнить значения NaN средним значением в Pandas