Pandas: como substituir strings vazias por nan

Você pode usar a seguinte sintaxe para substituir strings vazias por valores NaN em pandas:

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

O exemplo a seguir mostra como usar essa sintaxe na prática.

Relacionado:Como substituir valores NaN por uma string no Pandas

Exemplo: Substitua strings vazias por NaN

Suponha que temos o seguinte DataFrame do pandas que contém informações sobre vários jogadores de basquete:

 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

Observe que existem diversas strings vazias nas colunas equipe e posição .

Podemos usar a seguinte sintaxe para substituir essas strings vazias por valores 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

Observe que cada uma das strings vazias foi substituída por NaN.

Nota : Você pode encontrar a documentação completa da função replace no pandas aqui .

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras tarefas comuns em pandas:

Como imputar valores ausentes em pandas
Como contar valores faltantes em pandas
Como preencher valores NaN com média em pandas