在pandas数据帧中用NaN替换None

Question

我有桌子x:

        website
0   http://www.google.com/
1   http://www.yahoo.com
2   None

我想用pandas NaN替换python None.我试过了:

x.replace(to_replace=None, value=np.nan)

但我得到了:

TypeError: 'regex' must be a string or a compiled regular expression or a list or dict of strings or regular expressions, you passed a 'bool'

我该怎么办呢？

Answer 1

您可以使用DataFrame.fillna或Series.fillna替换Python对象None,而不是字符串'None'.

import pandas as pd

对于数据帧:

df.fillna(value=pd.np.nan, inplace=True)

对于列或系列:

df.mycol.fillna(value=pd.np.nan, inplace=True)

Answer 2

这是另一种选择:

df.replace(to_replace=[None], value=np.nan, inplace=True)

Answer 3

以下行替换None为NaN:

df['column'].replace('None', np.nan, inplace=True)

Answer 4

该解决方案很简单，因为可以轻松替换所有列中的值。
您可以使用dict：

import pandas as pd
import numpy as np

df = pd.DataFrame([[None, None], [None, None]])
print(df)
      0     1
0  None  None
1  None  None

# replacing
df = df.replace({None: np.nan})
print(df)
    0   1
0 NaN NaN
1 NaN NaN

Answer 5

如果您使用 df.replace([None], np.nan, inplace=True)，这会将所有缺少数据的日期时间对象更改为对象 dtypes。因此，现在您可能已经破坏了查询，除非您将它们改回日期时间，这可能会根据您的数据大小而增加。

如果要使用此方法，可以先识别 df 中的对象 dtype 字段，然后替换 None：

obj_columns = list(df.select_dtypes(include=['object']).columns.values)
df[obj_columns] = df[obj_columns].replace([None], np.nan)