将基于字符串的NaN转换为numpy NaN

Question

我有一个数据框，其中一部分如下所示：

2016-12-27              NaN
2016-12-28              NaN
2016-12-29              NaN
2016-12-30              NaN
2016-12-31              NaN
Name: var_name, dtype: object

该列包含NaN字符串/对象。我该如何将其转换为numpy的nan呢？最好能够在读取csv文件时进行转换。

- user308827

---

你能否在该列上直接调用 np.float64() 函数？ - chrisaycock

或者使用numpy.nan将其设置为NaN？ - shapeshifter

Answer 1

df[var_name_replace] = df[var_name].replace('NaN', np.nan)

- GH KIM

---

当回答一个旧问题时，如果您包含一些上下文来解释您的答案如何帮助，特别是对于已经有被接受答案的问题，那么您的答案将对其他StackOverflow用户更有用。请参阅：如何撰写好的答案。 - David Buck

Answer 2

是的，在读取csv文件时可以这样做。

df = pd.read_csv('test.csv', names=['t', 'v'], dtype={'v':np.float64})

请查看pandas.read_csv的文档。其中有一些参数对您的应用程序很有用：

• names
• dtype
• na_values

希望这对您有所帮助。

- rojeeer

Answer 3

Suppose we have:

>>> df=pd.DataFrame({'col':['NaN']*10})

您可以使用 .apply 来转换：

>>> new_df=df.apply(float, axis=1)
>>> type(new_df[0])
<type 'numpy.float64'>

- dawg

Answer 4

我会使用read_csv中的converters选项。在这种情况下，我们旨在将问题列转换为数字值，并将其他所有内容视为numpy.nan，包括字符串版本的'NaN'。

converter = lambda x: pd.to_numeric(x, 'coerce')
df = pd.read_csv(StringIO(txt), delim_whitespace=True, converters={1: converter}, header=None)
df

df.dtypes

0     object
1    float64
dtype: object

- piRSquared