Python Pandas hasnans为包含NaN值的列返回错误的值

我有一个数据框，大约有200列，7000行。列<代码> b>代码>完全由代码<楠>代码>值组成，中间除外400行。

总而言之，B列如下所示（为简洁起见进行了压缩）：

但是，当我编写如下代码时，

hasnans

属性的值似乎不正确。我是否错误地使用了该属性

df['B'].hasnans

返回

False

编辑： 下面是我正在导入熊猫的CSV文件的一个小示例。该列仍然无法找到NaN值。精明的观察者会注意到列标题中

B

周围的空格。这是意料之中的事，而不是问题所在

"  DATE       TIME  ","  A  ","  C  ","  B  "
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:45:07,     5448,     0.00,      NaN
12/11/2018 15:45:08,     5448,     0.00,      NaN
12/11/2018 15:45:08,     5448,     0.00,      NaN
12/11/2018 15:45:09,     5448,     0.00,      NaN
12/11/2018 15:45:09,     5448,     0.00,      NaN

---

在我看来，它显示为false是因为您列中的

“NaN”

值是

“NaN”

而不是

np.NaN

，因此我猜该列的数据类型可能是“object”。因此，您必须将该

“NaN”

值转换为

np.NaN

，以便列的对象可以是int或float，并且hasnans将返回正确的布尔值。

所以首先,

df[df["B"] == "NaN"] = np.nan #it will convert "NaN" values into np.nan

现在，您可以使用

hasnans

或

isnull（）检查NaN值。any（）

---

干杯

在我看来，它显示为false，因为您列中的值是

“NaN”

而不是

np.NaN

，因此我猜该列的数据类型可能是“object”。因此，您必须将该

“NaN”

值转换为

np.NaN

，以便列的对象可以是int或float，并且hasnans将返回正确的布尔值。

所以首先,

df[df["B"] == "NaN"] = np.nan #it will convert "NaN" values into np.nan

现在，您可以使用

hasnans

或

isnull（）检查NaN值。any（）

干杯

考虑

"  DATE       TIME  ","  A  ","  C  ","  B  "
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:45:07,     5448,     0.00,      NaN
12/11/2018 15:45:08,     5448,     0.00,      NaN
12/11/2018 15:45:08,     5448,     0.00,      NaN
12/11/2018 15:45:09,     5448,     0.00,      NaN
12/11/2018 15:45:09,     5448,     0.00,      NaN

作为作为数据帧导入的.csv文件，您必须注意要查找的实际值

事实上：

import pandas as pd
import numpy as np

df = pd.read_csv('filename.csv', header=0)

df['  B  '].replace('      NaN', np.nan, inplace=True)
df['  B  '].hasnans

返回：

True

考虑到

"  DATE       TIME  ","  A  ","  C  ","  B  "
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:44:36,     5448,     0.00,      NaN
12/11/2018 15:45:07,     5448,     0.00,      NaN
12/11/2018 15:45:08,     5448,     0.00,      NaN
12/11/2018 15:45:08,     5448,     0.00,      NaN
12/11/2018 15:45:09,     5448,     0.00,      NaN
12/11/2018 15:45:09,     5448,     0.00,      NaN

作为作为数据帧导入的.csv文件，您必须注意要查找的实际值

事实上：

import pandas as pd
import numpy as np

df = pd.read_csv('filename.csv', header=0)

df['  B  '].replace('      NaN', np.nan, inplace=True)
df['  B  '].hasnans

返回：

True

---

在中读取csv时，应使用

skipinitialspace

选项删除数据中的前导空格。请注意，由于列名在引号中，因此这些列名周围的空白将保留

#伪造csv
从io导入StringIO
mock_csv=StringIO（）
模拟csv.write（“”）\
“日期时间”、“A”、“C”、“B”
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:45:075448，0.00，南
2018年11月12日15:45:085448，0.00，南
2018年11月12日15:45:085448，0.00，南
2018年11月12日15:45:095448，0.00，南
2018年11月12日15:45:095448，0.00，南
""")
模拟csv.seek（0）
#忽略初始空白
df=pd.read\u csv（mock\u csv，skipinitialspace=True）
断言df['B'].hasnans

---

查看文档

在中读取csv时，应使用

skipinitialspace

选项删除数据中的前导空格。请注意，由于列名在引号中，因此这些列名周围的空白将保留

#伪造csv
从io导入StringIO
mock_csv=StringIO（）
模拟csv.write（“”）\
“日期时间”、“A”、“C”、“B”
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:44:365448，0.00，南
2018年11月12日15:45:075448，0.00，南
2018年11月12日15:45:085448，0.00，南
2018年11月12日15:45:085448，0.00，南
2018年11月12日15:45:095448，0.00，南
2018年11月12日15:45:095448，0.00，南
""")
模拟csv.seek（0）
#忽略初始空白
df=pd.read\u csv（mock\u csv，skipinitialspace=True）
断言df['B'].hasnans

---

查看文档

我复制并粘贴了您的确切df和代码，并返回True。在您的实例中，它们可能是NaN的字符串。将数据类型更改为int并重试。我想您的意思是将数据类型更改为

float

是的，我已将数据类型更改为

float

并重试，谢谢。我复制并粘贴了您的确切df和代码，并返回True。在您的实例中，它们可能是NaN的字符串。将数据类型更改为int并重试。我想您的意思是将数据类型更改为

float

是的，我做了，将数据类型更改为

float

并重试，谢谢您您的答案给出了最简洁的修复，因此您得到了选中标记。您的答案给出了最简洁的修复，因此您得到了选中标记。您的解决方案运行良好，除非有不同数量的空格。我将它推广到一个正则表达式

\sNaN

，并设置了正则表达式标志，它按预期工作。您的解决方案工作得很好，除了在具有不同空格数的情况下。我将它概括为一个正则表达式

\sNaN

，并设置了正则表达式标志，它按预期工作。