我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

最近的几篇文章都是关于python的数据处理过程中，对空值进行检测的问题的。本文主要涉及的是dataframe的空值区分问题，主要使用的是df.isnull()和df.notnull()。当然，还有其它的辅助操作。

苏南大叔：python数据清洗，如何对dataframe数据进行isnull空值区分？ - dataframe空值区分
python数据清洗，如何对dataframe数据进行isnull空值区分？（图3-1）

大家好，这里是苏南大叔的“程序如此灵动”博客，这里讲述苏南大叔和计算机代码之间的故事。测试环境：python@3.6.8，pandas@1.1.5，numpy@1.24.4。

测试数据

import numpy as np
import pandas as pd
from numpy import nan as NaN
df = pd.DataFrame({
    'a1'  : ["苏", NaN, None, "叔"],
    'a2': ["", "nan", "  ", "shu"],
})
print(df)
Python

输出：

     a1   a2
0     苏
1   NaN  nan
2  None
3     叔  shu
Plain text

.isnull()和.notnull()

t1 = df.isnull()
t2 = df["a2"].isnull()
print(t1)
print(t2)
Python

输出：

      a1     a2
0  False  False
1   True  False
2   True  False
3  False  False

0    False
1    False
2    False
3    False
Name: a2, dtype: bool
Plain text
n1 = df.notnull()
n2 = df["a2"].notnull()
print(n1)
print(n2)
Python

输出：

      a1    a2
0   True  True
1  False  True
2  False  True
3   True  True

0    True
1    True
2    True
3    True
Name: a2, dtype: bool
Plain text

这里的结果表明：第二列数据a2，无论空字符串，空格，字符的nan，都不会被视为null。

苏南大叔：python数据清洗，如何对dataframe数据进行isnull空值区分？ - isnull判断
python数据清洗，如何对dataframe数据进行isnull空值区分？（图3-2）

波折线取反操作

f = df["a1"].isnull()
r1 = df[f]
r2 = df[~f]
print(r1)
print(r2)
Python

输出：

     a1   a2
1   NaN  nan
2  None

  a1   a2
0  苏
3  叔  shu
Plain text

这里的波折线，就起到了一个取反的作用。

where替换【很有用】

和上面的需求一样，只是用where做原地替换。

print(df.where(~df["a2"].apply(lambda x: str(x).strip() == ""),NaN))
Plain text

输出：

    a1   a2
0  NaN  NaN
1  NaN  nan
2  NaN  NaN
3    叔  shu
Plain text

df代表DataFrame对象，condition是一个条件表达式，other是可选参数，表示当【条件不满足时】替换的值。

苏南大叔：python数据清洗，如何对dataframe数据进行isnull空值区分？ - nan替换
python数据清洗，如何对dataframe数据进行isnull空值区分？（图3-3）

空字符串转NaN

关于第二列数据a2:["", "nan", " ", "shu"]，按照标准的.isnull()来说，他们都不是空值。但是，对于实际操作来说，空字符串和空格，也是可以认为是空值的。那么，根据这个新的空字符串（空格）的标准，再次进行区分。

df["a3"] = df["a2"].apply(lambda x: np.NaN if (str(x).strip() == "") else x)
print(df)
Python

输出：

     a1   a2   a3
0     苏       NaN
1   NaN  nan  nan
2  None       NaN
3     叔  shu  shu
Plain text
f = df["a3"].isnull()
r3 = df[f]
print(r3)
Python

输出：

     a1  a2   a3
0     苏      NaN
2  None      NaN
Plain text

相关文章

结语

把空值和其他不合理的值，都挑出来。然后进行适当处理，这就是本文的主要内容。更多苏南大叔的python经验文章，请参考：

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。

 【福利】 腾讯云最新爆款活动！1核2G云服务器首年50元！

 【源码】本文代码片段及相关软件，请点此获取更多信息

 【绝密】秘籍文章入口，仅传授于有缘之人   python