pandas - 在 Pandas 中,用NaN替换空值( 空白)

我想在包含空格(任意数量)的Pandas数据框中找到值,并将它替换为NaNs 。

基本上我想把它变成:


 A B C
2000-01-01 -0.532681 foo 0
2000-01-02 1.490752 bar 1
2000-01-03 -1.387326 foo 2
2000-01-04 0.814772 baz 
2000-01-05 -0.222552 4
2000-01-06 -1.176781 qux 

到这里:


 A B C
2000-01-01 -0.532681 foo 0
2000-01-02 1.490752 bar 1
2000-01-03 -1.387326 foo 2
2000-01-04 0.814772 baz NaN
2000-01-05 -0.222552 NaN 4
2000-01-06 -1.176781 qux NaN

我已经用下面的代码来做了,但是它是丑陋的,对每个列进行循环,并对每个列掩码执行布尔替换,并对每个值进行正规表达式搜索。


for i in df.columns:
 df[i][df[i].apply(lambda i: True if re.search('^s*$', str(i)) else False)]=None

通过只遍历可能包含空字符串的字段,可以对它进行优化:


if df[i].dtype == np.dtype('object')

时间:


d = d.applymap(lambda x: np.nan if isinstance(x, basestring) and x.isspace() else x)

applymap函数将函数应用于dataframe的每个单元格。

我认为df.replace()可以完成工作:


df = pd.DataFrame([
 [-0.532681, 'foo', 0],
 [1.490752, 'bar', 1],
 [-1.387326, 'foo', 2],
 [0.814772, 'baz', ' '], 
 [-0.222552, ' ', 4],
 [-1.176781, 'qux', ' '], 
], columns='A B C'.split(), index=pd.date_range('2000-01-01','2000-01-06'))

print df.replace(r's+', np.nan, regex=True)

生成:


 A B C
2000-01-01 -0.532681 foo 0
2000-01-02 1.490752 bar 1
2000-01-03 -1.387326 foo 2
2000-01-04 0.814772 baz NaN
2000-01-05 -0.222552 NaN 4
2000-01-06 -1.176781 qux NaN

...