Reemplazar valores en blanco (espacios en blanco) con NaN en Pandas

La limpieza de datos es un paso crucial en el análisis de datos. Una tarea común es reemplazar valores en blanco (espacios en blanco) con NaN. Esto se puede hacer de manera eficiente usando Pandas.

Para lograr esto, utilice la función df.replace(). Esta función permite una operación de búsqueda y reemplazo basada en expresiones regulares en valores de DataFrame. Así es como puedes implementarlo:

import numpy as np
import pandas as pd

df = pd.DataFrame([
    [-0.532681, 'foo', 0],
    [1.490752, 'bar', 1],
    [-1.387326, 'foo', 2],
    [0.814772, 'baz', ' '],
    [-0.222552, '   ', 4],
    [-1.176781,  'qux', '  '],
], columns='A B C'.split(), index=pd.date_range('2000-01-01','2000-01-06'))

# Replace fields that contain only whitespace (or are empty) with NaN
print(df.replace(r'^\s*$', np.nan, regex=True))

# Output:
#                    A    B   C
# 2000-01-01 -0.532681  foo   0
# 2000-01-02  1.490752  bar   1
# 2000-01-03 -1.387326  foo   2
# 2000-01-04  0.814772  baz NaN
# 2000-01-05 -0.222552  NaN   4
# 2000-01-06 -1.176781  qux NaN

Tenga en cuenta que este código reemplaza los campos que contienen solo espacios en blanco o que están vacíos (es decir, coinciden con la expresión regular r'^\s*$'**) . Si sus datos válidos contienen espacios en blanco, ajuste la expresión regular en consecuencia (por ejemplo, elimine **$ del final de r'^\s ').