仅当出现“故障”时才更换&引用；是python中数据帧列中的唯一值

我有一个正在使用的数据框，其中缺少的值用一个点（“.”）指定，我试图用“Not_Given”替换缺少的数据。但是，其他一些列在作为较长字符串一部分的字符串中有“.”。我已经设置了一个迷你数据框来测试以下替换方法：

test_df = pd.DataFrame({"a": ["1", "2", "3", "4", "5"], "b": ["1.0", "2.0", "3.0", "4.0", "5.0"], "c": ["a", "b", "c", ".", "a.b"]})
test_df

打印出以下数据框：

我编写了以下代码，试图替换单个“.”值（第3列的索引3）：

这将返回输出：

显然，这将替换数据帧中遇到的每个“.”，因此值1.0将替换为1 NOT_Given0

我还尝试了以下代码：

for col in ["a", "b", "c"]:
    test_df[col] = test_df[col].str.replace("\.{1,1}", "Not_Given")

仍然具有与上述相同的输出

---

如果只有一个“.”值而没有其他字符，是否有一种方法可以替换？

我想，可能是一个简单的表达式，例如

^\s*\.\s*$

在这里可能行

我们还添加了

\s*

，以防在

之前或之后出现空格

试验 输出

---

如果您希望简化/更新/探索表达式，将在的右上面板中进行解释。如果您感兴趣，可以查看匹配步骤或在中修改它们。调试器演示了如何逐步使用一些示例输入字符串并执行匹配过程

---

尝试熊猫功能：

test_df.replace({'.': 'Not_Given'})

结果:

   a    b          c
0  1  1.0          a
1  2  2.0          b
2  3  3.0          c
3  4  4.0  Not_Given
4  5  5.0        a.b

您可以使用

“^\.$”

或者干脆

test_df[col][ test_df[col] == '.' ] = "Not_Given"

---

---

以下是几种不同的惯用解决方案：

将numpy导入为np
作为pd进口熊猫
df[df.eq（'.'）]=np.NaN
df=df.map（{'.'：np.NaN}）
df=df.replace（to_replace='.'，value=np.NaN）
df=df.replace（{'.'：np.NaN}）

为什么不使用

NaN

来表示缺少的数据？你能分享更多你的节目吗？可能还需要进行其他设计更改。我没有生成正在使用的数据集。他们决定用“.”来指定缺少的数据，我只是想用一个简化的例子来计算代码。这没有问题，你可以简单地用

NaN

替换句点。这是最好的答案。我看不出在这种情况下需要正则表达式。

test_df.replace({'.': 'Not_Given'})

   a    b          c
0  1  1.0          a
1  2  2.0          b
2  3  3.0          c
3  4  4.0  Not_Given
4  5  5.0        a.b

test_df[col].str.replace("^\.$", "Not_Given")

test_df[col][ test_df[col] == '.' ] = "Not_Given"

import pandas as pd

test_df = pd.DataFrame({"a": ["1", "2", "3", "4", "5"], "b": ["1.0", "2.0", "3.0", "4.0", "5.0"], "c": ["a", "b", "c", ".", "a.b"]})

for col in ["a", "b", "c"]:
    #test_df[col] = test_df[col].str.replace("^\.$", "Not_Given")
    test_df[col][ test_df[col] == '.' ] = "Not_Given"
print(test_df)

df[df['c'] == '.'] = 'Not_Given'