如何将DataFrame中的空值替换为NaN或删除含空值的行

我有一个部分行包含空值的DataFrame，示例如下：

ID       Date     Price  Curr
A        Jan 21    (10,0)     USD
B        Aug 8     (10,0)     USD
C        Sep 29    (10,0)     USD
settle   Aug 24    (   ,)

其中最后一行的Price和Curr列存在空值，需要删除含空值的行，得到如下结果：

ID       Date     Price  Curr
A        Jan 21    (10,0)     USD
B        Aug 8     (10,0)     USD
C        Sep 29    (10,0)     USD

示例初始化代码 #

import pandas as pd

data = {
    "ID": ["A", "B", "C", "settle"],
    "Date": ["Jan 21", "Aug 8", "Sep 29", "Aug 24"],
    "Price": [(10,0), (10,0), (10,0), ()],
    "Curr": ["USD", "USD", "USD", ""]
}

df = pd.DataFrame(data)

解决方案 #

方法1：替换空值为NaN后删除 #

先将空元组()和空字符串""替换为NaN，再调用dropna()删除包含空值的行：

import numpy as np

# 批量替换空值为NaN
df.replace({"": np.nan, (): np.nan}, inplace=True)
# 删除含NaN的行
df_cleaned = df.dropna()

方法2：直接筛选非空行 #

通过条件判断直接筛选出Price非空元组且Curr非空字符串的行：

df_cleaned = df[(df["Price"] != ()) & (df["Curr"] != "")]

结果验证 #

执行任意一种方法后，打印清理后的DataFrame：

print(df_cleaned)

输出结果：

ID     Date    Price Curr
0  A  Jan 21  (10, 0)  USD
1  B   Aug 8  (10, 0)  USD
2  C  Sep 29  (10, 0)  USD

内容的提问来源于stack exchange，提问作者iBeMeltin