如何用 NaN（动态）替换所有字符串值？答案

【问题标题】：How do I replace all string values with NaN (Dynamically)?如何用 NaN（动态）替换所有字符串值？
【发布时间】：2019-11-24 16:19:15
【问题描述】：

我想在我的数据框中找到所有字符串，并且我想用 NaN 值替换它们，以便我可以使用函数 df.dropna() 删除所有关联的 NaN 值。例如，如果我有以下数据集：

x = np.array([1,2,np.NaN,4,5,6,7,8,9,10])
z = np.array([1,2,np.NaN,4,5,np.NaN,7,8,9,"My Name is Jeff"])
y = np.array(["Hello World",2,3,4,5,6,7,8,9,10])

我应该首先能够用 np.nan 动态替换所有字符串，所以我的输出应该是：

x = np.array([1,2,np.NaN,4,5,6,7,8,9,10])
z = np.array([1,2,np.NaN,4,5,np.NaN,7,8,9,np.NaN])
y = np.array([np.NaN,2,3,4,5,6,7,8,9,10])

然后运行 df.dropna() （假设 x,y,z 驻留在数据框中，而不仅仅是单独的变量）应该允许我：

x = np.array([2,4,5,7,8,9])
z = np.array([2,4,5,7,8,9])
y = np.array([2,4,5,7,8,9])

【问题讨论】：

第一个定义的dtypes是float和string。第二，所有float。然后int。在带有字符串的 pandas 列中将是 object。我认为nan 列仍然是浮动的，但可能是对象。如果您从数据框开始，我建议您定义/显示它而不是 numpy 数组。

标签： python python-3.x pandas numpy dataframe

【解决方案1】：

请查找以下内容：

df = pd.DataFrame([x, y, z])

def Replace(i):
    try:
        float(i)
        return float(i)
    except:
           return np.nan

df = df.applymap(func=Replace)
df.dropna(axis=1)

【讨论】：

【解决方案2】：

我认为以下是最简单的演绎：名为“cleanData”的函数接受一个文件作为参数和一个您可能想要忽略的列数组。然后它将用 NaN 值替换文件中的所有字符串，然后删除这些 NaN 值。

def cleanData(file, ignore=[]):
    for column in file.columns:
        if len(ignore) is not 0:
            if column not in ignore:
                file[column] = file[column].apply(pd.to_numeric, errors='coerce')
        else:
            file[column] = file[column].apply(pd.to_numeric, errors='coerce')
    file = file.dropna()
    return file

【讨论】：

【解决方案3】：

我认为这是可行的：

df = pd.DataFrame(data={'A':[1,2,'str'],'B':['name',2,2]})
for column in df.columns:
    df[column]=df[column].apply(lambda x:np.nan if type(x)==str else x)
print(df)

【讨论】：

这可行，但会非常慢。 pd.to_numeric 是首选！您也可以只使用具有相同 lambda 的 df.applymap，无需手动迭代和分配
能否请您告诉我如何将其应用于代码。我遇到的问题是 pd.numeric 在我使用数据框时适用于 Pandas 系列。

【解决方案4】：

既然你标记了pandas

pd.to_numeric(x,errors='coerce')

【讨论】：

这是做什么的？你能描述一下它的功能，以便我更好地理解它的用例吗？
@QariZakariahSiyaji 这个函数将把所有的数字都推到数字上，其他的数字将转换为 NaN
问题是这是一个数据框，而 pd.to_numeric 适用于 Pandas 系列
That's a common question'
@QariZakariahSiyaji df=df.apply(pd. to_numeric, errors='coerce').dropna()