知识问答

熊猫用空白/空字符串替换NaN

内容 隐藏
问题：熊猫用空白/空字符串替换NaN
回答 0
回答 1
回答 2
回答 3
回答 4
回答 5
回答 6
回答 7

问题：熊猫用空白/空字符串替换NaN

我有一个Pandas Dataframe，如下所示：

    1    2       3
 0  a  NaN    read
 1  b    l  unread
 2  c  NaN    read

我想用一个空字符串删除NaN值，使其看起来像这样：

    1    2       3
 0  a   ""    read
 1  b    l  unread
 2  c   ""    read
点击查看英文原文

I have a Pandas Dataframe as shown below:

    1    2       3
 0  a  NaN    read
 1  b    l  unread
 2  c  NaN    read

I want to remove the NaN values with an empty string so that it looks like so:

    1    2       3
 0  a   ""    read
 1  b    l  unread
 2  c   ""    read

回答 0

import numpy as np
df1 = df.replace(np.nan, '', regex=True)

这可能会有所帮助。它将用空字符串替换所有NaN。

点击查看英文原文 
import numpy as np
df1 = df.replace(np.nan, '', regex=True)

This might help. It will replace all NaNs with an empty string.

回答 1

df = df.fillna('')

要不就

df.fillna('', inplace=True)

这将用填充na（例如NaN）''。

如果要填充单个列，则可以使用：

df.column1 = df.column1.fillna('')

可以使用df['column1']代替df.column1。

点击查看英文原文 
df = df.fillna('')

or just

df.fillna('', inplace=True)

This will fill na’s (e.g. NaN’s) with ''.

If you want to fill a single column, you can use:

df.column1 = df.column1.fillna('')

One can use df['column1'] instead of df.column1.

回答 2

如果要从文件（例如CSV或Excel）读取数据帧，请使用：

  • df.read_csv(path , na_filter=False)
  • df.read_excel(path , na_filter=False)

这将自动将空字段视为空字符串 ''

如果您已经有了数据框

  • df = df.replace(np.nan, '', regex=True)
  • df = df.fillna('')
点击查看英文原文

If you are reading the dataframe from a file (say CSV or Excel) then use :

  • df.read_csv(path , na_filter=False)
  • df.read_excel(path , na_filter=False)

This will automatically consider the empty fields as empty strings ''

If you already have the dataframe

  • df = df.replace(np.nan, '', regex=True)
  • df = df.fillna('')

回答 3

如果只想格式化它，以使其在打印时呈现良好，请使用格式化程序。只需使用df.to_string(... formatters即可定义自定义字符串格式，而无需修改您的DataFrame或浪费内存：

df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': [np.nan, 1, np.nan],
    'C': ['read', 'unread', 'read']})
print df.to_string(
    formatters={'B': lambda x: '' if pd.isnull(x) else '{:.0f}'.format(x)})

要得到：

   A B       C
0  a      read
1  b 1  unread
2  c      read
点击查看英文原文

Use a formatter, if you only want to format it so that it renders nicely when printed. Just use the df.to_string(... formatters to define custom string-formatting, without needlessly modifying your DataFrame or wasting memory:

df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': [np.nan, 1, np.nan],
    'C': ['read', 'unread', 'read']})
print df.to_string(
    formatters={'B': lambda x: '' if pd.isnull(x) else '{:.0f}'.format(x)})

To get:

   A B       C
0  a      read
1  b 1  unread
2  c      read

回答 4

试试这个，

加 inplace=True 

import numpy as np
df.replace(np.NaN, ' ', inplace=True)
点击查看英文原文

Try this,

add inplace=True 

import numpy as np
df.replace(np.NaN, ' ', inplace=True)

回答 5

使用keep_default_na=False 应该可以帮助您： 

df = pd.read_csv(filename, keep_default_na=False)
点击查看英文原文

using keep_default_na=False should help you: 

df = pd.read_csv(filename, keep_default_na=False)

回答 6

如果您要将DataFrame转换为JSON，NaN将给出错误，因此在此用例中的最佳解决方案是将替换NaN为None。
方法如下： 

df1 = df.where((pd.notnull(df)), None)
点击查看英文原文

If you are converting DataFrame to JSON, NaN will give error so best solution is in this use case is to replace NaN with None.
Here is how: 

df1 = df.where((pd.notnull(df)), None)

回答 7

我用nan尝试了一列字符串值。

要删除nan并填充空字符串，请执行以下操作：

df.columnname.replace(np.nan,'',regex = True)

要删除nan并填充一些值：

df.columnname.replace(np.nan,'value',regex = True)

我也尝试了df.iloc。但它需要列的索引。所以您需要再次查看表格。简单地，上述方法减少了一个步骤。

点击查看英文原文

I tried with one column of string values with nan.

To remove the nan and fill the empty string:

df.columnname.replace(np.nan,'',regex = True)

To remove the nan and fill some values:

df.columnname.replace(np.nan,'value',regex = True)

I tried df.iloc also. but it needs the index of the column. so you need to look into the table again. simply the above method reduced one step.