如何在python中验证变量是否为空

我正在处理.csv格式的数据，希望将所有空单元格设置为空字符串的值

我面临的问题是，这些文件已经在不同的环境中为几个人处理过，因此这些单元格上有各种不同的垃圾值，例如：

' '
'NaN'
'nan'
'\n'
'   '

等等

我正在寻找一种标准方法来识别所有这些类型的“垃圾值”。

您可以使用该函数来消除空白值，如

'

和

'\n'

，但不会处理

'NaN'

或

'NaN'

等值。实际上没有一种标准的方法来处理这些问题，因此除了使用

isspace

之外，我还将创建一个黑名单，例如：

blacklist=['NaN'，'NaN']#根据需要添加更多内容

然后使用

isspace（）

加上您的

黑名单

来过滤掉不需要的值。

您可以使用该函数来消除像

'

和

'\n'

这样的空白值，但不会处理像

'NaN'

或

'NaN'

这样的值。实际上没有一种标准的方法来处理这些问题，因此除了使用

isspace

之外，我还将创建一个黑名单，例如：

blacklist=['NaN'，'NaN']#根据需要添加更多内容

---

然后使用

isspace（）

加上您的

黑名单来过滤掉不需要的值。
您可以将csv读入Pandas数据框，然后使用
DataFrame.fillna（）
您可以将csv读入Pandas数据框，然后使用
DataFrame.fillna（）
使用.strip（）删除空白，然后检查该值是否为要忽略的值：

if value.strip() in ['', 'NaN', 'nan']:
    # ignore this value

或者，使其不区分大小写：

if value.strip().lower() in ['', 'nan']:
    # ignore this value

使用.strip（）删除空白，然后检查该值是否为要忽略的值：

if value.strip() in ['', 'NaN', 'nan']:
    # ignore this value

或者，使其不区分大小写：

if value.strip().lower() in ['', 'nan']:
    # ignore this value

我认为这是解决你问题的一个好办法

以下是一些示例代码：

import pandas as pd
# sample data
dic = {'a':['NAN', "", "NaN"], 'b':["", "nan", '\n'], 'c':[1,'2','3']}
df = pd.DataFrame(dic)

replace_list = ['NaN', '', 'nan', '\n']
df_clean = df.replace(replace_list, '')
df_clean

您可以将csv数据导入Pandas并执行相同的操作

希望能有帮助
 我认为这是解决你问题的一个好办法

以下是一些示例代码：

import pandas as pd
# sample data
dic = {'a':['NAN', "", "NaN"], 'b':["", "nan", '\n'], 'c':[1,'2','3']}
df = pd.DataFrame(dic)

replace_list = ['NaN', '', 'nan', '\n']
df_clean = df.replace(replace_list, '')
df_clean

您可以将csv数据导入Pandas并执行相同的操作

希望能有帮助
 
如果您的StringVar.strip（）：
？它不适用于“NaN”
如果您的StringVar.strip（）：
？它不适用于“NaN”