在熊猫中用NaN替换空白值（空白）

Question

我想在包含空格（任意数量）的Pandas数据框中找到所有值，并用NaN替换这些值。

有什么想法可以改善吗？

基本上我想把这个：

                   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     

2000-01-05 -0.222552         4

2000-01-06 -1.176781  qux     

变成这个：

                   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

我已经用下面的代码做到了，但是这很丑。这不是Pythonic，而且我敢肯定，这也不是最有效的熊猫使用方式。我遍历每个列，并对通过应用对每个值进行正则表达式搜索（在空格上匹配）的函数生成的列掩码进行布尔替换。

for i in df.columns:

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

通过仅迭代可能包含空字符串的字段，可以对其进行一点优化：

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

但这并没有太大的改善

最后，此代码将目标字符串设置为None，该字符串可与Pandas的like函数一起使用fillna()，但是如果我实际上可以NaN直接插入而不是，则对完整性很有帮助None。

Answer 1

我将这样做：df = df.apply(lambda x: x.str.strip()).replace('', np.nan)要么df = df.apply(lambda x: x.str.strip() if isinstance(x, str) else x).replace('', np.nan)您可以剥离所有str，然后将空str替换为np.nan。