去除熊猫 DF 列上的空白将 bool 值变为 NaN

Question

我有一个 Pandas 数据框，它有一列包含字符串值和布尔值。由于这种差异，列的 dtype 推断为“对象”。当我在此列上运行 .str.strip() 时，它会将所有布尔值转换为 NaN。有谁知道我如何防止这种情况？我会同意布尔值变成字符串，但是南？

Answer 1

借用 df 从piRSquared：

首先将所有值转换为string然后剥离：

df['A'] = df['A'].astype(str).str.strip()
print (df)
       A
0      a
1      b
2   True
3  False
4   True

如果需要混合类型 - 带有字符串的布尔值添加combine_first替换NaNs 到boolean：

df['A'] = df['A'].str.strip().combine_first(df.A)
print (df)
       A
0      a
1      b
2   True
3  False
4   True

如果需要转换所有列：

df = df.astype(str).applymap(lambda x: x.strip())

或者：

df = df.astype(str).apply(lambda x: x.str.strip())

Answer 2

设置

df = pd.DataFrame(dict(A=[' a', ' b ', True, False, 'True']))

选项 1
使用pd.Series.str.strip字符串访问器方法fillna

df.A.str.strip().fillna(df.A)

0        a
1        b
2     True
3    False
4     True
Name: A, dtype: object

注：
type是str或bool

df.A.str.strip().fillna(df.A).apply(type)

0     <class 'str'>
1     <class 'str'>
2    <class 'bool'>
3    <class 'bool'>
4     <class 'str'>
Name: A, dtype: object

选项 2
使用pd.Series.replace

df.A.replace('^\s+|\s+$', '', regex=True)

0        a
1        b
2     True
3    False
4     True
Name: A, dtype: object

这里也保留了混合类型。

我们可以用来pd.DataFrame.replace操作整个数据框

df.replace('^\s+|\s+$', '', regex=True)

       A
0      a
1      b
2   True
3  False
4   True