熊猫根据类型替换 nan

Question

在 DataFrane.to_csv 中，我设法编写了删除nan值的csv 文件

df = df.replace('None','')
df = df.replace('nan','')

但我的问题是，使用这种方法，每个 nan 值都将被替换为 qoutes： ''

是否可以根据类型替换 nan 值？

if the nan dataframe == int dont add qoutes
if str set to ''
if float set to 0.0

等等。

试过这个代码但失败了

df['myStringColumn'].replace('None', '')

编辑：这是我拥有的示例数据框

      aTest    Vendor     name     price    qty
 0    y        NewVend             21.20    nan
 1    y        OldMakes            11.20    3
 2    nan      nan        sample   9.20     1
 3    n        nan        make     nan      0

这是我的目标

'y','NewVend','',21.20,,     
'y','OldMakes','',11.20,3,
'','','sample',9.20,1,
'n','','make',0.0,0,

这是完整的脚本

dtype_dic= {'price': float, 'qty': float}
df = pd.read_excel(os.path.join(sys.path[0], d.get('csv')), dtype=str)
for col, col_type in dtype_dic.items():
    df[col] = df[col].astype(col_type)
df = df.replace('None','')
df = df.replace('nan','')
df.to_csv('test.csv', index=False, header=False, quotechar='"', quoting=csv.QUOTE_NONNUMERIC)

Answer 1

您可以使用 select_dtypes 选择具有所需类型的列，然后使用 fillna 如果 nan 是 np.nan，它也适用于 None

float_cols = df.select_dtypes(include=['float64']).columns
str_cols = df.select_dtypes(include=['object']).columns

df.loc[:, float_cols] = df.loc[:, float_cols].fillna(0)
df.loc[:, str_cols] = df.loc[:, str_cols].fillna('')

你得到

    aTest   Vendor      name    price   qty
0   y       NewVend             21.2    0.0
1   y       OldMakes            11.2    3.0
2                       sample  9.2     1.0
3   n                   make    0.0     0.0