在Python中将数值替换为NaN

时间:2019-06-26 16:05:44

标签: python pandas replace nan

我想用NaN替换DataFrame列中的所有数值

输入

A       B       C
test    foo     xyz
hit     bar     10
hit     fish    90
hit     NaN     abc
test    val     20
test    val     90

所需的输出:

A       B       C
test    foo     xyz
hit     bar     NaN
hit     fish    NaN
hit     NaN     abc
test    val     NaN
test    val     NaN

我尝试了以下操作:

db_old.loc[db_old['Current Value'].istype(float), db_old['Current Value']] = np.nan

但返回:

  

AttributeError:“系列”对象没有属性“ istype”

有什么建议吗?

谢谢

1 个答案:

答案 0 :(得分:3)

您可以使用to_numeric屏蔽数字值:

df['C'] = df['C'].mask(pd.to_numeric(df['C'], errors='coerce').notna())
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

to_numeric是最通用的解决方案,无论您有一列字符串还是混合对象,它都应该起作用。


如果它是一列字符串,而您只想保留字母字符串,则str.isalpha可能就足够了:

df['C'] = df['C'].where(df['C'].str.isalpha())
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

尽管这专门保留了没有数字的字符串。


如果您有一列混合对象,那么这是另一种使用str.match的{​​{1}}(实际上是带有na标志的str方法)的解决方案:

na=False

df['C'] = ['xyz', 10, 90, 'abc', 20, 90]