Panda: come sostituire le stringhe vuote con nan

È possibile utilizzare la seguente sintassi per sostituire le stringhe vuote con valori NaN nei panda:

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

L’esempio seguente mostra come utilizzare questa sintassi nella pratica.

Correlato: Come sostituire i valori NaN con una stringa in Pandas

Esempio: sostituire le stringhe vuote con NaN

Supponiamo di avere il seguente DataFrame panda che contiene informazioni su vari giocatori di basket:

 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

Tieni presente che sono presenti diverse stringhe vuote nelle colonne squadra e posizione .

Possiamo usare la seguente sintassi per sostituire queste stringhe vuote con valori 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

Nota che ciascuna delle stringhe vuote è stata sostituita con NaN.

Nota : puoi trovare la documentazione completa della funzione di sostituzione in panda qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni nei panda:

Come imputare i valori mancanti nei panda
Come contare i valori mancanti nei panda
Come riempire i valori NaN con la media nei panda