重新评估NaN的现有数据帧

Question

使用read_csv（）创建数据帧时，类na值（如字符串“na”）强制为NaN。在下面的示例中，我改为在dict上使用dataframe（）创建一个dataframe，并保留字符串'NA'。如何重新计算这个数据帧，以便将这个（以及任何其他类似na的值）转换为NaN？你知道吗

from collections import OrderedDict
test = OrderedDict([('totalSize', 82142),
             ('done', True),
             ('records',
              [OrderedDict([('Name', 'ASST SANTI PAOLO E CARLO'),
                            ('BillingStreet', 'NA'),
                            ('BillingCity', 'MILANO'),
                            ('BillingState', 'MI'),
                            ('BillingPostalCode', '20142'),
                            ('BillingCountry', 'ITALY')]),
               OrderedDict([('Name',
                             'A O UNIVERSITARIA OSPEDALI RIUNITI TRIESTE'),
                            ('BillingStreet', 'VIA FARNETO 3'),
                            ('BillingCity', 'TRIESTE'),
                            ('BillingState', None),
                            ('BillingPostalCode', '34142'),
                            ('BillingCountry', 'ITALY')])])])
testdf = pd.DataFrame(test['records'])

Answer 1

使用numpy库并将其转换为NAN，如下所示。你知道吗

import numpy as np
testdf.replace('NA', np.nan)

Answer 2

一种方法是在创建数据帧后将所有“NA”字符串强制转换为None：

# add as many strings that you would want converted
na_replace = {
    'NA': None # or whatever null value you want
}

pd.DataFrame(test['records']).replace(na_replace)

Answer 3

变身熊猫后有多种途径

df=df.mask(df.isin(['NA','N/A','na']))
df=df.replace(['NA','N/A','na'],np.nan)