熊猫用空白/空字符串替换NaN

我有一个Pandas Dataframe，如下所示：

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

我想用一个空字符串删除NaN值，使其看起来像这样：

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

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

这可能会有所帮助。它将用空字符串替换所有NaN。

df = df.fillna('')

要不就

df.fillna('', inplace=True)

这将用填充na（例如NaN）''。

如果要填充单个列，则可以使用：

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

可以使用df['column1']代替df.column1。

如果要从文件（例如CSV或Excel）读取数据帧，请使用：

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

这将自动将空字段视为空字符串 ''

如果您已经有了数据框

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

如果只想格式化它，以使其在打印时呈现良好，请使用格式化程序。只需使用df.to_string(... formatters即可定义自定义字符串格式，而无需修改您的DataFrame或浪费内存：

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)})

要得到：

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

试试这个，

加 inplace=True

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

使用keep_default_na=False 应该可以帮助您：

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

如果您要将DataFrame转换为JSON，NaN将给出错误，因此在此用例中的最佳解决方案是将替换NaN为None。
方法如下：

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

我用nan尝试了一列字符串值。

要删除nan并填充空字符串，请执行以下操作：

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

要删除nan并填充一些值：

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

我也尝试了df.iloc。但它需要列的索引。所以您需要再次查看表格。简单地，上述方法减少了一个步骤。