Pandas: як замінити порожні рядки на nan

Ви можете використовувати такий синтаксис, щоб замінити порожні рядки значеннями NaN у pandas:

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

У наступному прикладі показано, як використовувати цей синтаксис на практиці.

Пов’язане: Як замінити значення NaN на рядок у Pandas

Приклад: замініть порожні рядки на NaN

Припустімо, що у нас є такий фрейм даних pandas, який містить інформацію про різних баскетболістів:

 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

Зверніть увагу, що в стовпцях команди та позиції є кілька порожніх рядків.

Ми можемо використовувати такий синтаксис, щоб замінити ці порожні рядки значеннями 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

Зверніть увагу, що кожен із порожніх рядків було замінено на NaN.

Примітка : повну документацію щодо функції заміни в pandas можна знайти тут .

Додаткові ресурси

У наступних посібниках пояснюється, як виконувати інші типові завдання в pandas:

Як призначити відсутні значення в пандах
Як порахувати пропущені значення в пандах
Як заповнити значення NaN середнім у pandas