Pandas에서 공백 값(공백)을 NaN으로 바꾸는 것

데이터 정리는 데이터 분석에서 중요한 단계입니다. 일반적인 작업 중 하나는 공백 값(공백)을 NaN으로 바꾸는 것입니다. 이는 Pandas를 사용하여 효율적으로 수행할 수 있습니다.

이를 달성하려면 df.replace() 함수를 활용하세요. 이 함수를 사용하면 DataFrame 값에 대한 정규식 기반 검색 및 바꾸기 작업이 가능합니다. 이를 구현하는 방법은 다음과 같습니다.

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

이 코드는 공백만 포함하거나 비어 있는 필드를 대체합니다(예: 정규식 r'^\s*$'**와 일치). . 유효한 데이터에 공백이 포함된 경우 그에 따라 정규식을 조정합니다(예: r'^\s '의 끝에서 **$ 제거).