在 Pandas 数据框中查找空白值并将其替换为 NaN 可能是一个挑战。目标是将具有空字符串值的数据帧转换为具有 NaN 值的数据帧，从而可能改善数据处理和分析。
df.replace() 方法提供了一种优雅的解决方案，允许您可以根据正则表达式替换值：
<code class="python">df.replace(r'^\s*$', np.nan, regex=True)</code>
在此正则表达式模式中，^ 匹配字符串的开头，s* 匹配零个或多个空白字符，$ 匹配字符串的结尾。因此，此正则表达式检查完全由空格或空字符串组成的字符串。
将此解决方案应用于示例数据框：
<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'))
result = df.replace(r'^\s*$', np.nan, regex=True)
print(result)</code>这将生成所需的输出：
A B C 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 -1.387326 foo 2 2000-01-04 0.814772 baz NaN 2000-01-05 -0.222552 NaN 4 2000-01-06 -1.176781 qux NaN
正如 Temak 所指出的，如果有效数据可能包含空格，则可以将正则表达式模式修改为 r'^s $' 以仅匹配包含以下内容的字符串完全是空白：
<code class="python">df.replace(r'^\s+$', np.nan, regex=True)</code>
以上是如何在 Pandas 数据框中用 NaN 替换空白值？的详细内容。更多信息请关注PHP中文网其他相关文章！
