欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python pandas消除空值和空格以及 Nan数据替换方法

程序员文章站 2022-07-04 22:47:30
在人工采集数据时,经常有可能把空值和空格混在一起,一般也注意不到在本来为空的单元格里加入了空格。这就给做数据处理的人带来了麻烦,因为空值和空格都是代表的无数据,而panda...

在人工采集数据时,经常有可能把空值和空格混在一起,一般也注意不到在本来为空的单元格里加入了空格。这就给做数据处理的人带来了麻烦,因为空值和空格都是代表的无数据,而pandas中series的方法notnull()会把有空格的数据也纳入进来,这样就不能完整地得到我们想要的数据了,这里给出一个简单的方法处理该问题。

方法1:

既然我们认为空值和空格都代表无数据,那么可以先得到这两种情况下的布尔数组。

这里,我们的dataframe类型的数据集为df,其中有一个变量vin,那么取得空值和空格的布尔数组为none_vin。然后通过该布尔数组,就能得到我们要的数据了

none_vin = (df["vin"].isnull()) | (df["vin"].apply(lambda x: str(x).isspace()))
df_null = df[none_vin]
df_not_null = df[~none_vin]

方法2:

直接使用series的.apply方法来修改变量vin中的每个值。如果发现是空格,就返回nan,否则就返回原值。

df["vin"]=df["vin"].apply(lambda x: np.nan if str(x).isspace() else x)
df_null = df[df["vin"].isnull()]
df_not_null = df[df["vin"].notnull()]

将dataframe中的nan替换成希望的值

import pandas as pd
df1 = pd.dataframe([{'col1':'a', 'col2':1}, {'col1':'b', 'col2':2}])
df2 = pd.dataframe([{'col1':'a', 'col3':11}, {'col1':'c', 'col3':33}])

data = pd.merge(left=df1, right=df2, how='left', left_on='col1', right_on='col1')
print data
# 将nan替换为none
print data.where(data.notnull(), none)

输出结果:

 col1 col2 col3
0 a  1 11
1 b  2 nan
 col1 col2 col3
0 a  1 11
1 b  2 none

总结:

方法1的思路就是直接判定是否为空格,把空格纳入到选择中来。方法2的思路是先把空格转换为nan,然后正常使用.isnull()或.notnull()来得到我们想要的数据。

以上这篇python pandas消除空值和空格以及 nan数据替换方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。