问题：
考虑一个带有空白值的 Pandas 数据框存在于某些列中。目标是用 NaN 值替换这些空格。
丑陋的解决方案：
<code class="python">for i in df.columns:
df[i][df[i].apply(lambda i: True if re.search('^\s*$', str(i)) else False)]=None</code>此解决方案迭代每一列，使用正则表达式生成布尔掩码，并将空白值替换为 None。然而，它效率低下且不符合习惯。
改进的解决方案：
<code class="python">df = pd.DataFrame([
[-0.532681, 'foo', 0],
[1.490752, 'bar', 1],
[-1.387326, 'foo', 2],
[0.814772, 'baz', ' '],
[-0.222552, ' ', 4],
[-1.176781, 'qux', ' '],
], columns='A B C'.split(), index=pd.date_range('2000-01-01','2000-01-06'))
# replaces field that's entirely space (or empty) with NaN
print(df.replace(r'^\s*$', np.nan, regex=True))</code>此解决方案利用了 Pandas 内置的 Replace() 函数，可以用于替换基于正则表达式模式的指定值。通过使用 r'^s*$'，正则表达式会匹配任何完全由空格（或为空）组成的字段，并将其替换为 NaN。
优化：
以上是如何在 Pandas DataFrame 中高效地将空白值替换为 NaN？的详细内容。更多信息请关注PHP中文网其他相关文章！
