![](/img/trans.png)
[英]Using Python, how do I remove duplicates in a PANDAS dataframe column while keeping/ignoring all 'nan' values?
[英]How to convert all columns in Pandas DataFrame to 'object' while ignoring NaN?
我有一个数据框,我希望每一列都是字符串格式。 所以我这样做:
df = df.astype(str)
问题在于,通过这种方式,所有 NaN 条目都转换为字符串 'nan'。 并且isnull
返回false
。 有没有办法转换为字符串但保持空条目原样?
当您执行astype(str)
, astype(str)
始终是object
,它是包含混合列的 dtype。 因此,您可以做的一件事是使用astype(str)
将其转换为object
,就像您所做的那样,然后将nan
替换为实际的NaN
(本质上是一个浮点数),允许您使用诸如isnull
方法访问它:
df.astype(str).replace('nan',np.nan)
例子:
df = pd.DataFrame({'col1':['x',2,np.nan,'z']})
>>> df
col1
0 x
1 2
2 NaN
3 z
# Note the mixed str, int and null values:
>>> df.values
array([['x'],
[2],
[nan],
['z']], dtype=object)
df2 = df.astype(str).replace('nan',np.nan)
# Note that now you have only strings and null values:
>>> df2.values
array([['x'],
['2'],
[nan],
['z']], dtype=object)
将您的空值转换为空字符串,然后将数据帧转换为字符串类型。
df.replace(np.nan, '').astype(str)
请注意,您可以通过以下方式测试“空值”:
df.apply(lambda s: s.str.len() == 0)
对于系列,您可以仅在不为notnull
的部分上使用astype
而无需重新替换NaN
df = pd.DataFrame([1, np.nan, 'String'])
df[df.notnull()] = df[df.notnull()].astype(str)
正如评论中所述,对于 DataFrame,您可以使用
df.where(df.isna(), df.astype(str))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.