Pandas：如何用 nan 替换空字符串

您可以使用以下语法将 pandas 中的空字符串替换为 NaN 值：

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

以下示例展示了如何在实践中使用此语法。

相关： 如何在 Pandas 中用字符串替换 NaN 值

示例：用 NaN 替换空字符串

假设我们有以下 pandas DataFrame，其中包含有关各种篮球运动员的信息：

 import pandas as pd

#createDataFrame
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 to 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

请注意，团队和位置列中有几个空字符串。

我们可以使用以下语法将这些空字符串替换为 NaN 值：

 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

请注意，每个空字符串都已替换为 NaN。

注意：您可以在此处找到 pandas 中替换功能的完整文档。

其他资源

以下教程解释了如何在 pandas 中执行其他常见任务：

如何估算 pandas 中的缺失值
如何统计pandas中的缺失值
如何在 pandas 中用均值填充 NaN 值