Aşağıda gösterildiği gibi bir Pandas Dataframe var:
1 2 3
0 a NaN read
1 b l unread
2 c NaN read
Öyle görünüyor ki boş bir dize ile NaN değerleri kaldırmak istiyorum:
1 2 3
0 a "" read
1 b l unread
2 c "" read
Yanıtlar:
import numpy as np
df1 = df.replace(np.nan, '', regex=True)
Bu yardımcı olabilir. Tüm NaN'leri boş bir dize ile değiştirir.
import numpy as np.
pd.np.nanistemiyorsanız import numpy.
pd.DataFrame.from_dict(eval(_string_))
... inplace=Trueseçeneği belirtmek yararlıdır .
df = df.fillna('')ya da sadece
df.fillna('', inplace=True)Bu na'ları (örneğin NaN'ler) dolduracaktır ''.
Tek bir sütunu doldurmak istiyorsanız şunları kullanabilirsiniz:
df.column1 = df.column1.fillna('')Bunun df['column1']yerine kullanılabilir df.column1.
df[['column1','column2']] = df[['column1','column2']].fillna('')
Veri çerçevesini bir dosyadan (örneğin CSV veya Excel) okuyorsanız şunu kullanın:
df.read_csv(path , na_filter=False)df.read_excel(path , na_filter=False)Bu, boş alanları otomatik olarak boş dizeler olarak kabul eder ''
Veri çerçevesine zaten sahipseniz
df = df.replace(np.nan, '', regex=True)df = df.fillna('')xl.parse('sheet_name', na_filter=False)
Yalnızca yazdırıldığında güzel görünmesi için biçimlendirmek istiyorsanız bir biçimlendirici kullanın . df.to_string(... formattersDataFrame'inizi gereksiz yere değiştirmeden veya belleği boşa harcamadan özel dize biçimlendirmesini tanımlamak için şunu kullanın :
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)})
Almak:
A B C
0 a read
1 b 1 unread
2 c read
print df.fillna('')tek başına (yapmadan df = df.fillna('')) orijinali de değiştirmez. Kullanmanın bir hızı veya başka bir avantajı var to_stringmı?
df.fillna('')öyle!
Bunu dene,
Ekle inplace=True
import numpy as np
df.replace(np.NaN, ' ', inplace=True)
kullanmak keep_default_na=False size yardımcı olacaktır:
df = pd.read_csv(filename, keep_default_na=False)Eğer JSON DataFrame dönüştürüyorsanız, NaNen iyi çözüm durum değiştirmektir bu kullanımda böylece hatayı verecektir NaNile None.
İşte böyle:
df1 = df.where((pd.notnull(df)), None)Nan ile dize değerleri bir sütun ile denedim.
Nani kaldırmak ve boş dizeyi doldurmak için:
df.columnname.replace(np.nan,'',regex = True)
Nani çıkarmak ve bazı değerleri doldurmak için:
df.columnname.replace(np.nan,'value',regex = True)
Ben de df.iloc denedim. ancak sütunun dizinine ihtiyacı vardır. bu yüzden tekrar masaya bakmanız gerekiyor. sadece yukarıdaki yöntem bir adımı azalttı.
np.nangeliyor? Bunu kullanamazsınız