如何在pandas DataFrame上用NaN替换整个单元格

Question

我想用空格或NaN替换包含图中带圆圈的单词的整个单元格。 然而，当我尝试更换例如'1.25 Dividend'时，结果却是'1.25 NaN'。 我想把整个细胞归还为'NaN'。 知道如何处理这个吗？

Answer 1

选项1
在替换中使用正则表达式

df.replace('^.*Dividend.*$', np.nan, regex=True)

来自评论

（使用regex=True ）意味着它会将问题解释为正则表达式。 你仍然需要一个合适的模式。 '^'表示从字符串的开头开始。 '^.*'匹配字符串开头的所有字符。 '$'表示以字符串结尾结束匹配。 '.*$'匹配字符串末尾的所有字符。 最后， '^.*Dividend.*$'从头开始匹配所有字符，在中间某处有'Dividend' ，然后在它后面有任何字符。 然后用np.nan替换整个东西

考虑数据帧df

df = pd.DataFrame([[1, '2 Dividend'], [3, 4], [5, '6 Dividend']])
df

   0           1
0  1  2 Dividend
1  3           4
2  5  6 Dividend

然后提出的解决方案产生

   0    1
0  1  NaN
1  3  4.0
2  5  NaN

---

选项2
另一种方法是将pd.DataFrame.mask与applymap结合使用。
如果我将lambda传递给applymap ，以确定是否有任何单元格中有'Dividend' 。

df.mask(df.applymap(lambda s: 'Dividend' in s if isinstance(s, str) else False))

   0    1
0  1  NaN
1  3    4
2  5  NaN

---

选项3
在概念上类似，但使用stack / unstack + pd.Series.str.contains

df.mask(df.stack().astype(str).str.contains('Dividend').unstack())

   0    1
0  1  NaN
1  3    4
2  5  NaN

Answer 2

替换所有字符串：

df.apply(lambda x: pd.to_numeric(x, errors='coerce'))

Answer 3

我会像这样使用applymap

df.applymap(lambda x: 'NaN' if (type(x) is str and 'Dividend' in x) else x)