Pandas で空白値を NaN に置き換える

Pandas データフレームでは、多くの場合、空白値 (" ") を識別して次の値に置き換える必要があります。 NaN 値。この操作により、データの整合性が保証され、シームレスな分析が可能になります。

これを達成する効率的な方法の 1 つは、Pandas replace() メソッドを使用することです。その構文は次のとおりです:

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

このコンテキストでは:

• to_replace は通常の空白値を表す式パターン (例: r'^\s ')。
• value は、必要な置換です。値 (NaN にすることもできます。)
• パンダをPDとしてインポート numpyをnpとしてインポート # サンプルデータフレームを作成する 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、' '] }) # 空白の値を NaN に置き換えます df = df.replace(r'^\s*$', np.nan, regex=True) # 更新されたデータフレームを表示する print(df)

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)