Pandas Ganti NaN dengan string kosong / kosong

217

Saya memiliki Bingkai Data Pandas seperti yang ditunjukkan di bawah ini:

    1    2       3
 0  a  NaN    read
 1  b    l  unread
 2  c  NaN    read

Saya ingin menghapus nilai NaN dengan string kosong sehingga terlihat seperti ini:

    1    2       3
 0  a   ""    read
 1  b    l  unread
 2  c   ""    read

— pengguna1452759
sumber

260

import numpy as np
df1 = df.replace(np.nan, '', regex=True)

Ini mungkin bisa membantu. Ini akan mengganti semua NaN dengan string kosong.

— nEO
sumber

1

perpustakaan apa yang np.nanberasal? Saya tidak bisa menggunakannya

— CaffeineConnoisseur

8

@CaffeineConnoisseur: import numpy as np.

— John Zwinck

26

@CaffeineConnoisseur - atau hanya pd.np.nanjika Anda tidak mau import numpyjuga.

— elPastor

1

Ini juga memungkinkan Dict untuk disimpan sebagai string di baris .csv dan kemudian membaca kembali ke dalam DataFrame menggunakanpd.DataFrame.from_dict(eval(_string_))

— yeliabsalohcin

5

Juga berguna untuk menyebutkan ... inplace=Trueopsi.

— smci

340

df = df.fillna('')

atau hanya

df.fillna('', inplace=True)

Ini akan mengisi na (misalnya NaN) dengan ''.

Jika Anda ingin mengisi satu kolom, Anda dapat menggunakan:

df.column1 = df.column1.fillna('')

Orang bisa menggunakan df['column1']sebagai gantinya df.column1.

— fantabolous
sumber

5

@Mithril -df[['column1','column2']] = df[['column1','column2']].fillna('')

— elPastor

99

Jika Anda membaca kerangka data dari file (misalnya CSV atau Excel), gunakan:

df.read_csv(path , na_filter=False)
df.read_excel(path , na_filter=False)

Ini secara otomatis akan menganggap bidang kosong sebagai string kosong ''

Jika Anda sudah memiliki kerangka data

df = df.replace(np.nan, '', regex=True)
df = df.fillna('')

— Natesh bhat
sumber

na_filter tidak tersedia di read_excel () pandas.pydata.org/pandas-docs/stable/…

— Marjorie Roswell

saya telah menggunakannya dalam aplikasi saya. Memang ada tetapi untuk beberapa alasan, mereka belum memberikan argumen ini dalam dokumen. Ini berfungsi baik untuk saya meskipun tanpa kesalahan.

— Natesh bhat

Berhasil, saya menggunakannya dalam parsexl.parse('sheet_name', na_filter=False)

— Dmitrii

5

Gunakan formatter, jika Anda hanya ingin memformatnya sehingga membuatnya bagus saat dicetak . Cukup gunakan df.to_string(... formattersuntuk mendefinisikan pemformatan string khusus, tanpa perlu memodifikasi DataFrame Anda atau membuang-buang memori:

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)})

Mendapatkan:

   A B       C
0  a      read
1  b 1  unread
2  c      read

— Steve Schulist
sumber

4

print df.fillna('')dengan sendirinya (tanpa melakukan df = df.fillna('')) tidak mengubah yang asli juga. Apakah ada kecepatan atau keuntungan lain untuk digunakan to_string?

— fantabolous

Cukup adil df.fillna('')!

— Steve Schulist

@shadowtalker: Tidak harus, itu hanya akan menjadi jawaban yang benar jika OP ingin menyimpan df dalam satu format (mis. lebih efisien secara komputasi, atau menghemat memori pada string yang tidak perlu / kosong / duplikat), namun membuatnya secara visual dalam lebih banyak cara yang menyenangkan. Tanpa mengetahui lebih lanjut tentang use case, kami tidak dapat mengatakan dengan pasti.

— smci

2

Coba ini,

Menambahkan inplace=True

import numpy as np
df.replace(np.NaN, ' ', inplace=True)

— Vineesh TP
sumber

1

menggunakan keep_default_na=False akan membantu Anda:

df = pd.read_csv(filename, keep_default_na=False)

— Bendy Latortue
sumber

0

Jika Anda mengonversi DataFrame ke JSON, NaNakan memberikan kesalahan sehingga solusi terbaik dalam hal penggunaan ini adalah menggantinya NaNdengan None.
Begini caranya:

df1 = df.where((pd.notnull(df)), None)

— Dinesh Khetarpal
sumber

0

Saya mencoba dengan satu kolom nilai string dengan nan.

Untuk menghapus nan dan mengisi string kosong:

df.columnname.replace(np.nan,'',regex = True)

Untuk menghapus nan dan mengisi beberapa nilai:

df.columnname.replace(np.nan,'value',regex = True)

Saya mencoba df.iloc juga. tetapi perlu indeks kolom. jadi Anda perlu melihat ke dalam tabel lagi. cukup metode di atas dikurangi satu langkah.

— Subbu VidyaSekar
sumber