如何在pandas DataFrame上用NaN替換整個單元格

Question

我想用空格或NaN替換包含圖中帶圓圈的單詞的整個單元格。 然而，當我嘗試更換例如'1.25 Dividend'時，結果卻是'1.25 NaN'。 我想把整個細胞歸還為'NaN'。 知道如何處理這個嗎？

Answer 1

選項1
在替換中使用正則表達式

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

來自評論

（使用regex=True ）意味着它會將問題解釋為正則表達式。 你仍然需要一個合適的模式。 '^'表示從字符串的開頭開始。 '^.*'匹配字符串開頭的所有字符。 '$'表示以字符串結尾結束匹配。 '.*$'匹配字符串末尾的所有字符。 最后， '^.*Dividend.*$'從頭開始匹配所有字符，在中間某處有'Dividend' ，然后在它后面有任何字符。 然后用np.nan替換整個東西

考慮數據幀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

然后提出的解決方案產生

   0    1
0  1  NaN
1  3  4.0
2  5  NaN

---

選項2
另一種方法是將pd.DataFrame.mask與applymap結合使用。
如果我將lambda傳遞給applymap ，以確定是否有任何單元格中有'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

---

選項3
在概念上類似，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

替換所有字符串：

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

Answer 3

我會像這樣使用applymap

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