Pandas 用空白/空字符串替换 NaN

Question

我有一个 Pandas 数据框，如下所示：

    1    2       3
 0  a  NaN    read
 1  b    l  unread
 2  c  NaN    read

我想用空字符串删除 NaN 值，使其看起来像这样：

    1    2       3
 0  a   ""    read
 1  b    l  unread
 2  c   ""    read

Answer 1

df = df.fillna('')

要不就

df.fillna('', inplace=True)

这将用''填充 na（例如 NaN）。

如果要填充单个列，可以使用：

df.column1 = df.column1.fillna('')

可以使用df['column1']而不是df.column1 。

Answer 2

import numpy as np
df1 = df.replace(np.nan, '', regex=True)

这可能会有所帮助。 它将用空字符串替换所有 NaN。

Answer 3

如果您正在从文件（例如 CSV 或 Excel）中读取数据框，请使用：

• df.read_csv(path , na_filter=False)
• df.read_excel(path , na_filter=False)

这将自动将空字段视为空字符串''

---

如果您已经有了数据框

• df = df.replace(np.nan, '', regex=True)
• df = df.fillna('')

Answer 4

使用格式化程序，如果您只想对其进行格式化，以便在打印时呈现良好的效果。 只需使用df.to_string(... formatters来定义自定义字符串格式，而无需不必要地修改您的 DataFrame 或浪费内存：

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)})

要得到：

   A B       C
0  a      read
1  b 1  unread
2  c      read

Answer 5

尝试这个，

添加inplace=True

import numpy as np
df.replace(np.NaN, '', inplace=True)

Answer 6

使用keep_default_na=False应该可以帮助您：

df = pd.read_csv(filename, keep_default_na=False)

Answer 7

如果您将 DataFrame 转换为 JSON， NaN会出错，因此在此用例中最好的解决方案是将NaN替换为None 。
方法如下：

df1 = df.where((pd.notnull(df)), None)

Answer 8

我尝试使用 nan 使用一列字符串值。

要删除 nan 并填充空字符串：

df.columnname.replace(np.nan,'',regex = True)

要删除 nan 并填充一些值：

df.columnname.replace(np.nan,'value',regex = True)

我也试过 df.iloc。 但它需要列的索引。 所以你需要再次查看表格。 简单地把上面的方法减少了一个步骤。