将不同类型的缺失值转换为熊猫可识别的NA值
我有一个数据帧，其中包含各种不同的值，表示丢失。我对其进行了修改，现在应将它们全部指定为“NaN”，如下所示：
import numpy as np
import pandas as pd
import numpy as np
data = {'Name':['Tom', 'nick', '-', 'jack'],
'Age':['20', '0', '19', ''],
'color':['yellow','Na','blue','red']}
df = pd.DataFrame(data)
def missing_values(x):
missingness_indicators = ["NaN","NAN","NA","Na","n/a", "na", "--","-"," ", "-inf", "inf", "nan", "None", "0", "", np.nan]
modified_df = df.replace(missingness_indicators,'NaN')
modified_df["color"] = modified_df.loc[:,'color'].fillna(method='bfill', axis=0) #LOCF
return modified_df
但是使用建立在公认的缺失值上的熊猫函数不起作用，我认为这是由于我没有导入指定值的数据帧（因为这会导致其他问题，我正在处理一个比示例）我现在正在寻找一种方法来在此数据集中应用熊猫函数，如. fillna。
共有1个答案
使用np.nan替换“指示器”：
modified_df = df.replace(missingness_indicators,'NaN')
具有
modified_df = df.replace(missingness_indicators, np.nan)
-
我有以下布尔值表： 我想创建一个具有相同索引的新数据帧，但每行都有前一列的前三个 True 列名。 如果一行少于三个真值，则新数据帧将具有空值。
-
我在Pandas中读取了一个SQL查询，虽然值是字符串、日期和整数，但它们是作为dtype“object”输入的。我能够将日期“对象”转换为datetime数据类型，但在尝试转换字符串和整数时出错。 以下是一个例子： 将转换为日期时间有效： 但我在尝试将转换为整数时出错： 注意：我得到一个类似的错误，当我尝试 当试图转换为字符串时，似乎什么也没有发生。
-
问题内容： 对于大熊猫，有人会知道，除了 （i）， （以及like等的其他变体，等等） （ii） （iii）， 如字符串列，总有一个的？ 另外，我想知道，如果有来自任何数据类型分开（I），（II）和（iii）在上面的列表中不会使这是一个？ 问题答案： pandas1.0.0发布后，于2020年2月编辑 熊猫通常为每个Series使用NumPy数组和dtype（数据帧是Series的集合，每个都有自
-
问题内容： 我已经读过一个对Pandas的SQL查询，并且值以dtype’object’的形式出现，尽管它们是字符串，日期和整数。我能够将日期“ object”转换为Pandas datetime dtype，但是在尝试转换字符串和整数时遇到错误。 这是一个例子： 将转换为日期时间可以： 但是尝试将转换为整数时出现错误： 注意：我尝试时遇到类似的错误 当尝试转换为字符串时，似乎什么也没有发生。 问
-
我有一个字段在熊猫DataFrame被导入为字符串格式。它应该是日期时间变量。如何将其转换为日期时间列，然后根据日期进行筛选。 示例： 数据帧名称：原始数据
-
被这个错误卡住了：