在人工采集數據時，經常有可能把空值和空格混在一起，一般也注意不到在本來為空的單元格里加入了空格。這就給做數據處理的人帶來了麻煩，因為空值和空格都是代表的無數據，而pandas中Series的方法notnull()會把有空格的數據也納入進來，這樣就不能完整地得到我們想要的數據了，這里給出一個簡單的方法處理該問題。

方法1：

既然我們認為空值和空格都代表無數據，那么可以先得到這兩種情況下的布爾數組。

這里，我們的DataFrame類型的數據集為df，其中有一個變量VIN，那么取得空值和空格的布爾數組為NONE_VIN。然后通過該布爾數組，就能得到我們要的數據了

NONE_VIN = (df["VIN"].isnull()) | (df["VIN"].apply(lambda x: str(x).isspace()))df_null = df[NONE_VIN]df_not_null = df[~NONE_VIN]

方法2：

直接使用Series的.apply方法來修改變量VIN中的每個值。如果發現是空格，就返回Nan，否則就返回原值。

df["VIN"]=df["VIN"].apply(lambda x: np.NaN if str(x).isspace() else x)df_null = df[df["VIN"].isnull()]df_not_null = df[df["VIN"].notnull()]

將dataframe中的NaN替換成希望的值

import pandas as pddf1 = pd.DataFrame([{'col1':'a', 'col2':1}, {'col1':'b', 'col2':2}])df2 = pd.DataFrame([{'col1':'a', 'col3':11}, {'col1':'c', 'col3':33}])data = pd.merge(left=df1, right=df2, how='left', left_on='col1', right_on='col1')print data# 將NaN替換為Noneprint data.where(data.notnull(), None)

輸出結果：

 col1 col2 col30 a  1 111 b  2 NaN col1 col2 col30 a  1 111 b  2 None

總結：

方法1的思路就是直接判定是否為空格，把空格納入到選擇中來。方法2的思路是先把空格轉換為NaN，然后正常使用.isnull()或.notnull()來得到我們想要的數據。

以上這篇python pandas消除空值和空格以及 Nan數據替換方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。