Python 如何测试nan'；在熊猫中的应用函数中是什么？

我在一些列上执行了一个简单的

apply

函数。但是，它总是被

pandas

中的

NaN

值绊倒

input_data = np.array(
[
[random.randint(0,9) for x in range(2)]+['']+['g'],
[random.randint(0,9) for x in range(3)]+['g'],
[random.randint(0,9) for x in range(3)]+['a'],
[random.randint(0,9) for x in range(3)]+['b'],
[random.randint(0,9) for x in range(3)]+['b']
]
)

input_df = pd.DataFrame(data=input_data, columns=['B', 'C', 'D', 'label'])

我有一个简单的lambda，如下所示：

input_df['D'].apply(lambda aCode: re.sub('\.', '', aCode) if not np.isnan(aCode) else aCode)

它会被NaN值绊倒：

File "<pyshell#460>", line 1, in <lambda>
    input_df['D'].apply(lambda aCode: re.sub('\.', '', aCode) if not np.isnan(aCode) else aCode)
TypeError: Not implemented for this type

两者都会得到相同的错误

---

除了

np.isnan

之外，我不知道如何测试nan值。有没有更简单的方法？谢谢。

您的代码失败，因为您的第一个条目是空字符串，

np.isnan

不理解空字符串：

In [55]:
input_df['D'].iloc[0]

Out[55]:
''

In [56]:
np.isnan('')

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-56-a9f139a0c5b8> in <module>()
----> 1 np.isnan('')

TypeError: Not implemented for this type

但是，如果您只是想替换某些内容，则只需使用

.str.replace

：

In [58]:
input_df['D'].str.replace('\.','')

Out[58]:
0     
1    3
2    3
3    0
4    3
Name: D, dtype: object

---

input\u df['D'].apply（lambda aCode:re.sub（'\.'，''，aCode）如果pd.notnull（aCode）或者aCode）起作用，但是你想做什么呢？例如，这做同样的事情：
input\u df['D'].str.replace（'\.'，''）
你可以使用
math.isnan（）
测试nan值。
pd.notnull
起作用。但是我是唯一一个对
np.isnan
不起作用感到惊讶的人吗？我以为pandas nulls是基于
np-nans
？
np构建的。isnan
不理解空字符串，这就是为什么，谢谢。我发现字符串替换更简单、更优雅，但我正在努力更好地理解
NaNs
。如何人工创建
NaN
？我认为
np.nan
是实现这一点的方法，但pandas并不总是将其转换为数据帧/系列中的
nan
。它也不会将
'
转换为
NaN
值。如何在pandas中创建
NaN
值？嗯
NaN
是浮点类型，字符串中没有等效项，您可以在str列中使用
NaN
，这将使该列成为混合数据类型。您必须确定字符串中缺失值的构成，空字符串可以，但np识别空字符串的方式与识别
NaN
值的方式不同。因此，我认为在
object
类型的列中确实无法表示
NaN
？因此，如果我有一列字符串，其中一些是NaN，那么在使用
pd.DataFrame.dropna（）
删除
NaN
s之前，我必须将列值转换为浮点值？这似乎有点麻烦……您可以使用字符串和float
NaN
，列类型将是
object
，但它实际上是混合数据类型，在这种情况下
dropna
将起作用，但如果方法期望all
str
或all
float
，则会导致某些操作失败，实际上，您应该决定什么是缺少的值，这样空字符串就可以了，在这种情况下，您可以使用
df['col']=''
In [57]:
import re
input_df['D'].apply(lambda aCode: re.sub('\.', '', aCode) if pd.notnull(aCode) else aCode)

Out[57]:
0     
1    3
2    3
3    0
4    3
Name: D, dtype: object

In [58]:
input_df['D'].str.replace('\.','')

Out[58]:
0     
1    3
2    3
3    0
4    3
Name: D, dtype: object