Ersetzen von Leerwerten durch NaN in Pandas

In Pandas-Datenrahmen ist es häufig erforderlich, Leerraumwerte („“) zu identifizieren und durch zu ersetzen NaN-Werte. Dieser Vorgang stellt die Datenintegrität sicher und ermöglicht eine nahtlose Analyse.

Eine effiziente Möglichkeit, dies zu erreichen, ist die Pandas-Methode replace(). Seine Syntax lautet wie folgt:

df.replace(to_replace, value, regex=True)

In diesem Kontext:

• to_replace ist das reguläre Ausdrucksmuster, das Leerraumwerte darstellt (z. B. r'^\s ').
• value ist der gewünschte Ersatzwert, der möglich ist NaN sein.
• regex ist auf True gesetzt, um den regulären Ausdrucksabgleich zu ermöglichen.

Um Leerwerte durch NaN zu ersetzen, können Sie den folgenden Code verwenden:

import pandas as pd
import numpy as np

# Create a sample dataframe
df = pd.DataFrame({
    "A": [-0.532681, 1.490752, -1.387326, 0.814772, -0.222552, -1.176781],
    "B": ['foo', 'bar', 'foo', 'baz', ' ','qux'],
    "C": [0, 1, 2, ' ', 4, ' ']
})

# Replace blank values with NaN
df = df.replace(r'^\s*$', np.nan, regex=True)

# Display the updated dataframe
print(df)

Ausgabe:

          A     B     C
0 -0.532681   foo     0
1  1.490752   bar     1
2 -1.387326   foo     2
3  0.814772   baz   NaN
4 -0.222552   NaN     4
5 -1.176781   qux   NaN

Dieser Code ersetzt effektiv alle leeren Werte im Datenrahmen durch NaN und sorgt so für eine sauberere und genauere Darstellung Ihrer Daten.