时间戳

首页 > 解决方案 > 在 Python 中用 NaN 替换数值

python - 在 Python 中用 NaN 替换数值

问题描述

我想用 NaN 替换 DataFrame 列中的所有数值

输入

A       B       C
test    foo     xyz
hit     bar     10
hit     fish    90
hit     NaN     abc
test    val     20
test    val     90

期望的输出：

A       B       C
test    foo     xyz
hit     bar     NaN
hit     fish    NaN
hit     NaN     abc
test    val     NaN
test    val     NaN

我尝试了以下方法：

db_old.loc[db_old['Current Value'].istype(float), db_old['Current Value']] = np.nan

但返回：

AttributeError：“系列”对象没有属性“istype”

有什么建议么？

谢谢

标签： pythonpandasreplacenan

解决方案

您可以使用以下方法屏蔽数值to_numeric：

df['C'] = df['C'].mask(pd.to_numeric(df['C'], errors='coerce').notna())
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

to_numeric是最通用的解决方案，无论您是否有一列字符串或混合对象，都应该有效。

如果它是一列字符串并且您只是想保留字符串，str.isalpha可能就足够了：

df['C'] = df['C'].where(df['C'].str.isalpha())
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

尽管这专门保留了没有数字的字符串。

如果你有一列混合对象，这里是另一个使用str.match（任何带有na标志的 str 方法，真的）的解决方案na=False：

df['C'] = ['xyz', 10, 90, 'abc', 20, 90]


df['C'] = df['C'].where(df['C'].str.match(r'\D+$', na=False))
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

推荐阅读