None在Python的Pandas中，是否有任何方法可以替换值？

您可以使用df.replace('pre', 'post')另一个值并将其替换，但是如果要替换为None值，则无法完成此操作，如果尝试使用该值，则会得到奇怪的结果。

所以这是一个例子：

df = DataFrame(['-',3,2,5,1,-5,-1,'-',9])
df.replace('-', 0)

返回成功的结果。

但，

df.replace('-', None)

返回以下结果：

0
0   - // this isn't replaced
1   3
2   2
3   5
4   1
5  -5
6  -1
7  -1 // this is changed to `-1`...
8   9

为什么会返回如此奇怪的结果？

由于我想将此数据框倒入MySQL数据库，因此我不能将NaN值放入数据框的任何元素中，而是要放置None。当然，您可以先更改'-'为NaN，然后再转换NaN为None，但是我想知道为什么数据框以这种可怕的方式起作用。

已在Python 2.7和OS X 10.8的pandas 0.12.0开发人员上进行了测试。Python是OS X上的预装版本，我通过使用SciPy Superpack脚本安装了熊猫，以供参考。

实际上，在更高版本的熊猫中，这将产生TypeError：

df.replace('-', None)
TypeError: If "to_replace" and "value" are both None then regex must be a mapping

您可以通过传递列表或字典来实现：

In [11]: df.replace('-', df.replace(['-'], [None]) # or .replace('-', {0: None})
Out[11]:
      0
0  None
1     3
2     2
3     5
4     1
5    -5
6    -1
7  None
8     9

但我建议使用NaN而不是使用None：

In [12]: df.replace('-', np.nan)
Out[12]:
     0
0  NaN
1    3
2    2
3    5
4    1
5   -5
6   -1
7  NaN
8    9

我更喜欢使用replace带有a的解决方案，dict因为它既简单又优雅：

df.replace({'-': None})

您还可以有更多替代品：

df.replace({'-': None, 'None': None})

即使是较大的替换，也总是显而易见的，什么替换了-我认为对于长列表来说，这要困难得多。

where可能正是您想要的。所以

data=data.where(data=='-', None) 

从熊猫文档：

where [返回]一个与self形状相同的对象，并且其对应的条目来自cond为True的self，否则来自其他）。

在继续本文之前，重要的是要了解NaN和None之间的区别。一种是浮点类型，另一种是对象类型。熊猫更适合处理标量类型，因为可以对这些类型的许多方法进行矢量化处理。熊猫确实尝试一致地处理None和NaN，但是NumPy无法。

我的建议（和Andy的建议）是坚持使用NaN。

但是要回答你的问题...

熊猫> = 0.18：将na_values=['-']参数与read_csv

如果您是从CSV / Excel加载此数据的，那么我对您来说是个好消息。您可以在数据加载期间从根本上解决此问题，而不必在后续步骤中编写代码修复程序。

大多数pd.read_*函数（例如read_csv和read_excel）都接受一个na_values属性。

file.csv

A,B
-,1
3,-
2,-
5,3
1,-2
-5,4
-1,-1
-,0
9,0

现在，要将-字符转换为NaN，请执行以下操作：

import pandas as pd
df = pd.read_csv('file.csv', na_values=['-'])
df

     A    B
0  NaN  1.0
1  3.0  NaN
2  2.0  NaN
3  5.0  3.0
4  1.0 -2.0
5 -5.0  4.0
6 -1.0 -1.0
7  NaN  0.0
8  9.0  0.0

与其他功能/文件格式类似。

PS：在v0.24 +上，即使您的列具有NaN，您也可以保留整数类型（是的，也要谈论吃蛋糕的事情）。您可以指定dtype='Int32'

df = pd.read_csv('file.csv', na_values=['-'], dtype='Int32')
df

     A    B
0  NaN    1
1    3  NaN
2    2  NaN
3    5    3
4    1   -2
5   -5    4
6   -1   -1
7  NaN    0
8    9    0

df.dtypes

A    Int32
B    Int32
dtype: object

dtype不是常规的int类型...而是一个Nullable Integer类型。还有其他选择。

处理数值数据：pd.to_numericwitherrors='coerce

如果你正在处理的数字数据，更快的解决方案是使用pd.to_numeric与errors='coerce'参数，它强制转换无效值（值不能转换为数字）为NaN。

pd.to_numeric(df['A'], errors='coerce')

0    NaN
1    3.0
2    2.0
3    5.0
4    1.0
5   -5.0
6   -1.0
7    NaN
8    9.0
Name: A, dtype: float64

要保留（可为空）整数dtype，请使用

pd.to_numeric(df['A'], errors='coerce').astype('Int32')

0    NaN
1      3
2      2
3      5
4      1
5     -5
6     -1
7    NaN
8      9
Name: A, dtype: Int32 

要强制多列，请使用apply：

df[['A', 'B']].apply(pd.to_numeric, errors='coerce').astype('Int32')

     A    B
0  NaN    1
1    3  NaN
2    2  NaN
3    5    3
4    1   -2
5   -5    4
6   -1   -1
7  NaN    0
8    9    0

...然后将结果分配回去。

在此答案中可以找到更多信息。

df = pd.DataFrame(['-',3,2,5,1,-5,-1,'-',9])
df = df.where(df!='-', None)

可以通过以下方式设置空值np.nan：

import numpy as np
df.replace('-', np.nan)

优点是将df.last_valid_index()这些识别为无效。

使用replace并分配一个新的df：

import pandas as pd
df = pd.DataFrame(['-',3,2,5,1,-5,-1,'-',9])
dfnew = df.replace('-', 0)
print(dfnew)


(venv) D:\assets>py teste2.py
   0
0  0
1  3
2  2
3  5
4  1
5 -5

df.replace('-', np.nan).astype("object")

这将确保您isnull()以后可以在数据框上使用

在Pandas版本≥1.0.0的情况下，我将使用DataFrame.replace或Series.replace：

df.replace(old_val, pd.NA, inplace=True)

这样做有两个更好的原因：

1. 它使用pd.NA代替None或np.nan。
2. 它替换了就地值，这可以提高内存效率。