У мене є фрейм даних Pandas, як показано нижче:
1 2 3
0 a NaN read
1 b l unread
2 c NaN read
Я хочу видалити значення NaN порожнім рядком, щоб він виглядав так:
1 2 3
0 a "" read
1 b l unread
2 c "" read
Відповіді:
import numpy as np
df1 = df.replace(np.nan, '', regex=True)
Це може допомогти. Він замінить усі NaN на порожній рядок.
import numpy as np.
pd.np.nanякщо ви теж не хочете import numpy.
pd.DataFrame.from_dict(eval(_string_))
... inplace=Trueваріант.
df = df.fillna('')або просто
df.fillna('', inplace=True)Це заповнить na (наприклад, NaN) ''.
Якщо ви хочете заповнити одну колонку, ви можете використовувати:
df.column1 = df.column1.fillna('')Можна використовувати df['column1']замість цього df.column1.
df[['column1','column2']] = df[['column1','column2']].fillna('')
Якщо ви читаєте фрейм даних з файлу (скажімо, CSV або Excel), тоді використовуйте:
df.read_csv(path , na_filter=False)df.read_excel(path , na_filter=False)Це автоматично вважатиме порожні поля порожніми рядками ''
Якщо у вас вже є кадр даних
df = df.replace(np.nan, '', regex=True)df = df.fillna('')xl.parse('sheet_name', na_filter=False)
Використовуйте формат, якщо ви хочете лише відформатувати його, щоб він добре відображався під час друку . Просто використовуйте df.to_string(... formattersдля визначення користувальницького форматування рядків, без необхідності змінювати DataFrame або витрачати пам'ять:
df = pd.DataFrame({
'A': ['a', 'b', 'c'],
'B': [np.nan, 1, np.nan],
'C': ['read', 'unread', 'read']})
print df.to_string(
formatters={'B': lambda x: '' if pd.isnull(x) else '{:.0f}'.format(x)})
Отримати:
A B C
0 a read
1 b 1 unread
2 c read
print df.fillna('')сам по собі (не роблячи df = df.fillna('')) також не змінює оригінал. Чи є швидкість чи інша перевага використання to_string?
df.fillna('')так!
Спробуйте це,
додати inplace=True
import numpy as np
df.replace(np.NaN, ' ', inplace=True)
використання keep_default_na=False повинно допомогти вам:
df = pd.read_csv(filename, keep_default_na=False)При перетворенні DataFrame в JSON, NaNдасть помилку , так краще рішення в цьому випадку є використання для заміни NaNз None.
Ось як:
df1 = df.where((pd.notnull(df)), None)Я спробував з одним стовпцем значень рядків з nan.
Щоб видалити нан і заповнити порожній рядок:
df.columnname.replace(np.nan,'',regex = True)
Щоб видалити нан і заповнити деякі значення:
df.columnname.replace(np.nan,'value',regex = True)
Я також спробував df.iloc. але йому потрібен індекс стовпця. тож вам потрібно заглянути в таблицю ще раз. просто вищевказаний метод зменшив один крок.
np.nanпоходить? Я не можу ним користуватися