Question

我有一个包含三列的pandas数据框：

Name        Name2           DateTime
                            2016-06-10 05:22
                            2016-06-10 05:23
                            2016-06-10 14:25
Guest       Guest1          2016-06-10 15:32

我必须用NAN替换空格。因此，行1,2,3和4的AccountName和AccountName2应为NAN。我尝试了以下声明：

 df3['Name'] = df3['Name'].replace(r'[^\s+]',np.nan, regex=True)

但是因为我在＃34; Guest＆＃34;之后有空格。在Name中，所有5行都被NAN替换。

编辑：

这是我们的实际数据。

Name              Name2                  DateTime
\t\t-\r\n\t      \t\t-\r\n\t            2016-06-10 05:22
\t\t-\r\n\t      \t\t-\r\n\t            2016-06-10 05:23
\t\t-\r\n\t      \t\t-\r\n\t            2016-06-10 14:25
\t\tGuest\r\n\t  \t\tGuest1\r\n\t       2016-06-10 15:32

我用它来删除那些转义字符。

df['Name'] = df['Name'].str.replace('\r','').str.replace('\t','').str.replace('\n','').str.replace('-','')

删除这些字符后，我不确定现在在那个地方插入了什么。

Answer 1

由于你不需要空格，这应该有效。

df3['Name'] = df3['Name'].replace('[\s]+',"", regex=True) #Gets rid of all blank spaces
df3['Name'] = df3['Name'].replace('',np.nan, regex=True) #Replace completely empty cells with nan

Answer 2

找到length数据，然后boolean indexing替换所有长度为0或1的数据的另一种解决方案：

print (df.applymap(len))
   Name  Name2  DateTime
0     0      0        16
1     0      0        16
2     0      0        16
3     5      6        16

df[df.applymap(len) < 2] = np.nan
print (df)
    Name   Name2          DateTime
0    NaN     NaN  2016-06-10 05:22
1    NaN     NaN  2016-06-10 05:23
2    NaN     NaN  2016-06-10 14:25
3  Guest  Guest1  2016-06-10 15:32

Answer 3

如果您确定名称之间不存在空格，则可以使用.strip()删除字符串末尾的任何空格（或其他任何内容）。

 df3['Name'] = df3['Name'].strip().replace(r'[^\s+]',np.nan, regex=True)

在pandas数据帧中用NAN替换空格

3 个答案: