python pandas消除空值和空格以及 Nan数据替换方法

下面是针对“python pandas消除空值和空格以及NaN数据替换方法”的完整攻略：

消除空值和空格

检测空值

在pandas中，使用isnull()方法检测是否存在缺失值。这个方法会返回一个布尔值的dataframe。其中缺失的值为True，非缺失的值为False。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[1,np.nan,3],
                   'B':[np.nan,5,6],
                   'C':[7,8,9]})

print(df.isnull())

运行结果：

       A      B      C
0  False   True  False
1   True  False  False
2  False  False  False

处理空值

在pandas中，使用dropna()方法可以删除含有缺失值的行或列。如果想保留原数据，可以使用copy()方法来复制一份数据。

df.dropna()  # 删除含有缺失值的行
df.dropna(axis=1)  # 删除含有缺失值的列
df.dropna(thresh=2)  # 至少有2个非空值才保留

使用fillna()方法填充缺失值，也可以使用ffill()或bfill()方法沿着轴向前或向后填充缺失值。

df.fillna(value=0)  # 用0填充缺失值
df.ffill()  # 向前填充
df.bfill()  # 向后填充

消除空格

在pandas中，使用str.strip()方法消除字符串前后的空格。str.lstrip()和str.rstrip()方法分别可删除字符串左侧和右侧的空格。

df['col_name'].str.strip()  # 删除列“col_name”中字符串前后的空格

NaN数据替换方法

逐个替换

pandas中，使用replace()方法逐个替换特定的值。例如，将dataframe中所有的缺失值(NaN)替换为0，可以使用以下代码：

df.replace(np.nan, 0)

批量替换

更便捷的方法是使用replace()方法批量替换。例如，将dataframe中所有的缺失值(NaN)替换为0，可以使用以下代码：

df.replace([np.nan], [0])

可以使用字典指定要替换的值，例如，将dataframe中column_name列中所有值为'A'的替换为'B'：

df.replace({'col_name': {'A': 'B'}})

上述代码将column_name列中所有的'A'替换为'B'。

这就是针对“python pandas消除空值和空格以及NaN数据替换方法”的完整攻略。