将列中的无值更改为字符串'；无'；用Python

我的数据集中的某些列缺少表示为None（非类型，不是字符串）的值。其他一些缺失值表示为“不适用”或“否”。我希望能够在下面的方法中处理这些缺少的值

df.loc[df.col1.isin('None', 'Yes', 'No'), col1] = 'N/A'

现在我的问题是，None是一个值而不是字符串，因此我不能将None用作“None”。我在某个地方读到过，我们可以将none值转换为字符串none

有人能告诉我怎么做吗

注1：

如果我运行以下代码，只是为了解释清楚：

df.col1.unique()

我得到这个输出：

array([None, 'No', 'Yes'], dtype=object)

注2：

我知道我可以用

isnull（）

处理缺少或没有值的情况，但在这种情况下，我需要使用

.isin（）

方法

示例数据帧：

f = {'name': ['john', 'tom', None, 'rock', 'dick'], 'DoB': [None, '01/02/2012', '11/22/2014', '11/22/2014', '09/25/2016'], 'Address': ['NY', 'NJ', 'PA', 'NY', None]}
df1 = pd.DataFrame(data = f)

当您运行下面的代码时，您将看到None作为一个值

df1.Address.unique()
output: array(['NY', 'NJ', 'PA', None], dtype=object)

---

我希望None显示为“None”

空/None和

'None'

之间存在差异。因此，您可以将原始声明更改为

df.loc[df.col1.isin([None, 'Yes', 'No']), col1] = 'N/A'

也就是说，去掉

None

或者，您可以首先找到所有存在null或none的索引，然后根据索引选择所有这些行。然后你可以使用你的原始陈述

df["col1"].loc[df["col1"].isnull()] = 'None'

创建一个示例df：

df = pd.DataFrame({"A": [None, 'Yes', 'No', 1, 3, 5]})

这看起来像：

     A
0  None
1   Yes
2    No
3     1
4     3
5     5

将“无”替换为“无”，并将要替换的参数列为一个列表（这就是isin的工作原理）：

返回：

     A
0  N/A
1  N/A
2  N/A
3    1
4    3
5    5

---

你能给出一个输入数据帧和你期望的输出吗？我试着回答你的问题，但不确定你真正需要什么。在我的帖子底部用示例数据框进行了更新。你能提供更多关于为什么要这样做的上下文吗？导出方法（例如，

df.to_csv

）具有

na_rep

参数，可以将所有空/缺失数据更改为所需的任何字符串。

     A
0  N/A
1  N/A
2  N/A
3    1
4    3
5    5