Pandas将CSV列读入为浮点数并将空单元格设置为0。

Question

能否一行代码将CSV文件读取为pandas DataFrame，并将空格（或空单元格）设置为0？下面是问题的说明。

输入：

$ csvlook data.csv    
|------+---+------|
|  a   | b | c    |
|------+---+------|
|      | a | 0.0  |
|  0   | b | 1.0  |
|  1.5 | c | 2.5  |
|  2.1 | d | 3.0  |
|------+---+------|

我想要什么：

python% print(df)
    a   b   c
0   0   a   0.0
1   0   b   1.0
2   1.5 c   2.5
3   2.1 d   3.0

我尝试过的内容：

df = pd.read_csv('data.csv', dtype={'a': float, 'b': str, 'c': float})

由于第0行列a中的空格，导致出现ValueError错误：

ValueError: could not convert string to float: 

在使用pandas读取CSV文件时，是否有一种方法可以将字符串替换为0？

生成测试数据的代码：

如果您想尝试，请使用以下行生成上面示例中的测试数据：

import pandas as pd
df = pd.DataFrame({'a':[' ', 0, 1.5, 2.1], 'b':['a', 'b', 'c', 'd'], 'c': [0, 1, 2.5, 3]})
df.to_csv('data.csv', index=False)

- mgig

Answer 1

Pandas会自动将空值读入为NaN，因此只需使用fillna方法填充它们，设置所需的新值（在本例中为0）。

import pandas as pd

df = pd.read_csv('data.csv').fillna(value = 0)

这句话的意思是“得出的结果是：”。

     a  b    c
0  0.0  a  0.0
1  0.0  b  1.0
2  1.5  c  2.5
3  2.1  d  3.0

同时，您可以通过传递字典为每一列设置不同的值。 假设我们有以下CSV文件：

     a    b    c
0  NaN    a  0.0
1  0.0    b  1.0
2  1.5  NaN  2.5
3  2.1    d  NaN

如果我们希望它与以前一样，我们应该这样做：

pd.read_csv('data.csv').fillna(value = {'a':0,'b':'c','c':3})

再次让步：

     a  b    c
0  0.0  a  0.0
1  0.0  b  1.0
2  1.5  c  2.5
3  2.1  d  3.0

- VictorGGl

Answer 2

这几乎是一行代码，但在实际情况下可能无法正常工作。

您可以在read_csv中将缺失值映射为NaN。

import pandas as pd
df = pd.read_csv('data.csv', na_values=" ")

yielding

     a  b    c
0  NaN  a  0.0
1  0.0  b  1.0
2  1.5  c  2.5
3  2.1  d  3.0

然后，您可以运行 fillna 来将 NaN 更改为 .0。

因此，以下一行代码即可完成：

df = pd.read_csv('data.csv', na_values=" ").fillna(0)

提供

     a  b    c
0  0.0  a  0.0
1  0.0  b  1.0
2  1.5  c  2.5
3  2.1  d  3.0

- paulochf

Answer 3

df.replace(r'\s+', 0, regex=True)

     a  b    c
0  0.0  a  0.0
1  0.0  b  1.0
2  1.5  c  2.5
3  2.1  d  3.0

- Aravind Krishnakumar