在 Python 中用 NaN 替换数值

Question

我想用 NaN 替换 DataFrame 列中的所有数值

输入

A       B       C
test    foo     xyz
hit     bar     10
hit     fish    90
hit     NaN     abc
test    val     20
test    val     90

期望的输出：

A       B       C
test    foo     xyz
hit     bar     NaN
hit     fish    NaN
hit     NaN     abc
test    val     NaN
test    val     NaN

我尝试了以下方法：

db_old.loc[db_old['Current Value'].istype(float), db_old['Current Value']] = np.nan

但返回：

AttributeError: 'Series' 对象没有属性 'istype'

有什么建议吗？

谢谢

Answer 1

您可以使用to_numeric 屏蔽数值：

df['C'] = df['C'].mask(pd.to_numeric(df['C'], errors='coerce').notna())
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

to_numeric 是最通用的解决方案，无论您是有一列字符串还是混合对象，都应该可以工作。

---

如果它是一列字符串，而您只是想保留字母字符串，str.isalpha 可能就足够了：

df['C'] = df['C'].where(df['C'].str.isalpha())
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN

虽然这专门保留没有数字的字符串。

---

如果您有一列混合对象，这里还有一个使用str.match（实际上是带有na 标志的str 方法）和na=False 的解决方案：

df['C'] = ['xyz', 10, 90, 'abc', 20, 90]

df['C'] = df['C'].where(df['C'].str.match(r'\D+$', na=False))
df
      A     B    C
0  test   foo  xyz
1   hit   bar  NaN
2   hit  fish  NaN
3   hit   NaN  abc
4  test   val  NaN
5  test   val  NaN