Pandas Reemplazar NaN con una cadena en blanco / vacía

218

Tengo un marco de datos de Pandas como se muestra a continuación:

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

Quiero eliminar los valores de NaN con una cadena vacía para que se vea así:

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

— usuario1452759
fuente

260

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

Esto puede ayudar. Reemplazará todos los NaN con una cadena vacía.

— nEO
fuente

1

¿De qué biblioteca np.nanviene? No puedo usarlo

— CaffeineConnoisseur

8

@CaffeineConnoisseur: import numpy as np.

— John Zwinck

26

@CaffeineConnoisseur, o solo pd.np.nansi no quieres hacerlo import numpytambién.

— elPastor

1

Esto también permite que el Dict se guarde como una cadena en la fila de un .csv y luego se vuelva a leer en un DataFrame utilizando elpd.DataFrame.from_dict(eval(_string_))

— yeliabsalohcin

55

También es útil mencionar la ... inplace=Trueopción.

— smci

341

df = df.fillna('')

o solo

df.fillna('', inplace=True)

Esto llenará de na (por ejemplo, NaN) ''.

Si desea llenar una sola columna, puede usar:

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

Uno puede usar en df['column1']lugar de df.column1.

— fantabolous
fuente

55

@Mithril -df[['column1','column2']] = df[['column1','column2']].fillna('')

— elPastor

99

Si está leyendo el marco de datos de un archivo (por ejemplo, CSV o Excel), use:

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

Esto considerará automáticamente los campos vacíos como cadenas vacías. ''

Si ya tiene el marco de datos

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

— Natesh Bhat
fuente

na_filter no está disponible en read_excel () pandas.pydata.org/pandas-docs/stable/…

— Marjorie Roswell

Lo he usado en mi aplicación. Existe, pero por alguna razón, no han dado este argumento en los documentos. Funciona bien para mí, aunque sin errores.

— Natesh bhat

Funciona, lo estoy usando en análisisxl.parse('sheet_name', na_filter=False)

— Dmitrii

5

Utilice un formateador, si solo desea formatearlo para que se vea bien cuando se imprima . Solo use el df.to_string(... formatterspara definir el formato de cadena personalizado, sin modificar innecesariamente su DataFrame o desperdiciar memoria:

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)})

Llegar:

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

— Steve Schulist
fuente

44

print df.fillna('')por sí mismo (sin hacer df = df.fillna('')) tampoco modifica el original. ¿Hay una velocidad u otra ventaja de usar to_string?

— fantástico

¡Muy bien, df.fillna('')lo es!

— Steve Schulist

@shadowtalker: No necesariamente, sería la respuesta correcta si el OP quisiera mantener el df en un formato (por ejemplo, más eficiente desde el punto de vista computacional, o guardar memoria en cadenas innecesarias / vacías / duplicadas), pero renderizarlo visualmente en un formato más manera agradable Sin saber más sobre el caso de uso, no podemos decirlo con certeza.

— smci

2

Prueba esto,

añadir inplace=True

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

— Vineesh TP
fuente

1

usar keep_default_na=False debería ayudarte a:

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

— Bendy Latortue
fuente

0

Si está convirtiendo trama de datos a JSON, NaNdará error para mejor solución es el uso en este caso es reemplazar NaNcon None.
Aquí es cómo:

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

— Dinesh Khetarpal
fuente

0

Intenté con una columna de valores de cadena con nan.

Para eliminar el nan y llenar la cadena vacía:

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

Para eliminar el nan y llenar algunos valores:

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

Intenté df.iloc también. pero necesita el índice de la columna. así que debes mirar hacia la mesa nuevamente. simplemente el método anterior redujo un paso.

— Subbu VidyaSekar
fuente