Pandas: so ersetzen sie leere strings durch nan

Sie können die folgende Syntax verwenden, um leere Zeichenfolgen in Pandas durch NaN-Werte zu ersetzen:

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

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.

Verwandt:So ersetzen Sie NaN-Werte in Pandas durch eine Zeichenfolge

Beispiel: Leere Zeichenfolgen durch NaN ersetzen

Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen über verschiedene Basketballspieler enthält:

 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

Beachten Sie, dass die Team- und Positionsspalten mehrere leere Zeichenfolgen enthalten.

Wir können die folgende Syntax verwenden, um diese leeren Zeichenfolgen durch NaN-Werte zu ersetzen:

 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

Beachten Sie, dass jede der leeren Zeichenfolgen durch NaN ersetzt wurde.

Hinweis : Die vollständige Dokumentation der Ersetzungsfunktion in Pandas finden Sie hier .

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie Sie andere häufige Aufgaben in Pandas ausführen:

So unterstellen Sie fehlende Werte in Pandas
So zählen Sie fehlende Werte in Pandas
So füllen Sie NaN-Werte in Pandas mit dem Mittelwert