Pandas: как заменить пустые строки 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.

Связано: Как заменить значения NaN строкой в Pandas

Пример. Замените пустые строки на NaN.

Предположим, у нас есть следующий DataFrame pandas, содержащий информацию о различных баскетболистах:

 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

Обратите внимание, что в столбцах команды и позиции 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 пустая строка заменена на NaN.

Примечание . Полную документацию по функции замены в pandas вы можете найти здесь .

Дополнительные ресурсы

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

Как вменить пропущенные значения в пандах
Как посчитать пропущенные значения в пандах
Как заполнить значения NaN средним значением в пандах