python - 用pandas中的NaN替换空白值(空格)
我想在Pandas数据帧中找到包含空格(任意数量)的所有值,并用NaN替换这些值。
有什么想法可以改进吗?
基本上我想转此:
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
进入这个:
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
我已经设法用下面的代码来做,但是男人是丑陋的。 它不是Pythonic,我敢肯定它也不是最有效的熊猫用途。 我循环遍历每一列并对通过应用对每个值进行正则表达式搜索的函数生成的列掩码进行布尔替换,并在空格上进行匹配。
for i in df.columns:
df[i][df[i].apply(lambda i: True if re.search('^\s*$', str(i)) else False)]=None
只需迭代可能包含空字符串的字段,就可以对其进行优化:
if df[i].dtype == np.dtype('objec