溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在人工采集數據時，經常有可能把空值和空格混在一起，一般也注意不到在本來為空的單元格里加入了空格。這就給做數據處理的人帶來了麻煩，因為空值和空格都是代表的無數據，而pandas中Series的方法notnull()會把有空格的數據也納入進來，這樣就不能完整地得到我們想要的數據了，這里給出一個簡單的方法處理該問題。
方法1：
既然我們認為空值和空格都代表無數據，那么可以先得到這兩種情況下的布爾數組。
這里，我們的DataFrame類型的數據集為df，其中有一個變量VIN，那么取得空值和空格的布爾數組為NONE_VIN。然后通過該布爾數組，就能得到我們要的數據了
NONE_VIN = (df["VIN"].isnull()) | (df["VIN"].apply(lambda x: str(x).isspace())) df_null = df[NONE_VIN] df_not_null = df[~NONE_VIN]
方法2：
直接使用Series的.apply方法來修改變量VIN中的每個值。如果發現是空格，就返回Nan，否則就返回原值。
df["VIN"]=df["VIN"].apply(lambda x: np.NaN if str(x).isspace() else x) df_null = df[df["VIN"].isnull()] df_not_null = df[df["VIN"].notnull()]
將dataframe中的NaN替換成希望的值
import pandas as pd
df1 = pd.DataFrame([{'col1':'a', 'col2':1}, {'col1':'b', 'col2':2}])
df2 = pd.DataFrame([{'col1':'a', 'col3':11}, {'col1':'c', 'col3':33}])
data = pd.merge(left=df1, right=df2, how='left', left_on='col1', right_on='col1')
print data
# 將NaN替換為None
print data.where(data.notnull(), None)
輸出結果：
col1 col2 col3 0 a 1 11 1 b 2 NaN col1 col2 col3 0 a 1 11 1 b 2 None
總結：
方法1的思路就是直接判定是否為空格，把空格納入到選擇中來。方法2的思路是先把空格轉換為NaN，然后正常使用.isnull()或.notnull()來得到我們想要的數據。
以上這篇python pandas消除空值和空格以及 Nan數據替換方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
