String 熊猫数据框用NaN替换空白

我有一个带有空单元格的数据框，希望用NaN替换这些空单元格。 先前在本论坛上提出的解决方案有效，但仅当单元包含空间时：

df.replace（r'\s+'，np.nan，regex=True）

---

当单元格为空时，此代码不起作用。有没有人建议用panda代码替换空单元格。

我认为最简单的方法是替换两次：

In [117]:
df = pd.DataFrame({'a':['',' ','asasd']})
df

Out[117]:
       a
0       
1       
2  asasd

In [118]:
df.replace(r'\s+',np.nan,regex=True).replace('',np.nan)

Out[118]:
       a
0    NaN
1    NaN
2  asasd

这个怎么样

df.replace(r'\s+|^$', np.nan, regex=True)

---

其他两个答案都不考虑字符串中的所有字符。这样更好：

df.replace（r'\s+（++\）|#'，np.nan，regex=True）。replace（''，np.nan））

---

更多文档：

正如您已经看到的，如果您执行明显的操作并将（）替换为“无”，则会抛出错误：

df.replace('', None)
TypeError: cannot replace [''] with method pad on a DataFrame

解决方案似乎是简单地用numpy的NaN替换空字符串

import numpy as np
df.replace('', np.NaN)

虽然我不能100%确定在所有边缘情况下pd.NaN的处理方式与np.NaN完全相同，但我没有遇到任何问题。fillna（）工作，将空值持久化到数据库中以代替np.NaN工作，将NaN持久化到csv工作

---

（熊猫版本18.1）

尝试

df.replace（r'\s*，np.nan，regex=True）

实际上我的建议太激进了，这将所有str设置为

nan

，给我一点时间，我认为最简单的事情是分两次完成，可以是一行：

df.replace（r'\s+，np.nan，regex=True）。replace（“”，np.nan）

请注意，此解决方案并不总是有效。在我的例子中，它不适用于字符串

2015-09-02 06:13:40

，也就是说，它导致将该值转换为NaN（而这本不应该发生）。检查字符串中是否有更多字符：

。replace（r'\s++（++\）|#'，np.nan，regex=True）。replace（''，np.nan））

该

（++\）|

做什么？很好用，顺便问一下，我很好奇，你为什么要用

|#

？这将我的df:

#000000

中的所有十六进制颜色替换为NaN。这不像是在df中有评论。。。更可能的情况是，图中有颜色。。