熊猫替换南带着空/空字符串

I have a Pandas Dataframe as shown below:

我有一个熊猫数据帧，如下图所示：

    1    2       3
 0  a  NaN    read
 1  b    l  unread
 2  c  NaN    read

I want to remove the NaN values with an empty string so that it looks like so:

我想用空字符串删除NaN值，以便它看起来像这样：

    1    2       3
 0  a   ""    read
 1  b    l  unread
 2  c   ""    read

5 个解决方案

#1

import numpy as np
df1 = df.replace(np.nan, '', regex=True)

This might help. It will replace all NaNs with an empty string.

这可能帮助。它将替换所有的NaN为空字符串。

#2

Slightly shorter is:

稍短是：

df = df.fillna('')

This will fill na's (e.g. NaN's) with ''.

这将用''填充na（例如NaN）。

Edit: If you want to fill a single column, you can use:

编辑：如果要填充单个列，可以使用：

df.column1 = df.column1.fillna('')

#3

If you are reading the dataframe from a file (say CSV or Excel) then use :

1. df.read_csv(path , na_filter=False)
2. df.read_csv（路径，na_filter =假）
3. df.read_excel(path , na_filter=False)
4. df.read_excel（路径，na_filter =假）

This will automatically consider the empty fields as empty strings ' '

这会自动将空字段视为空字符串''

---

If you already have the Dataframe

• df = df.replace(np.nan, '', regex=True)
• DF = df.replace（np.nan， ''，正则表达式=真）
• df = df.fillna('')
• df = df.fillna（''）

#4

If you are converting Dataframe to Json: NaN will give error so best solution is in this use case is to replace NaN with None. Here is how: df1 = df.where((pd.notnull(df)), None)

如果要转换数据帧到JSON：NaN的将报错所以最好的办法是在这种使用情况下是无以取代的NaN。下面是如何：DF1 = df.where（（pd.notnull（DF）），无）

#5

Use a formmatter. Plus, you don't modify your DataFrame:

使用formmatter。另外，您不要修改你的数据帧：

df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': [np.nan, 1, np.nan],
    'C': ['read', 'unread', 'read']})
print df.to_string(
    formatters={'B': lambda x: '' if pd.isnull(x) else '{:.0f}'.format(x)})

To get:

要得到：

   A B       C
0  a      read
1  b 1  unread
2  c      read