import pandas as pd
import numpy as np
df = pd.DataFrame({
'A': [[1, 2, 3, 4], [4, 5, 6, 7, 8], [7, 6, 4], np.nan, [1, 2]],
'B': [[1, 2, 3, 4], [4, 5, 6, 7, 8], [3, 7, 9], np.nan, [4, 5]],
'E': [np.nan, np.nan, np.nan, np.nan, np.nan],
'F': [[2, 2], [4, 4], np.nan, [78, 90], np.nan]
})
# First try
# ERROR: Cannot do inplace boolean setting on mixed-types with a non np.nan value
# df[df.isnull()] = df[df.isnull()].applymap(lambda x: [''])
# Second try
# ERROR: Invalid "to_replace" type: 'float'
# df.replace(to_replace=np.nan, value=[''], inplace=True)
# Third try
# RESULT: The column 'E' dissapears and the rest of NaN values are converted to None
# stack = df.stack()
# stack[stack.isnull()] = [''] # or stack[stack == np.nan] = ['']
# stack.unstack()
# Fourth try
# ERROR: "value" parameter must be a scalar or dict, but you passed a "list"
# df.fillna([''])
Это мой ожидаемый результат:
df = pd.DataFrame({
'A': [[1, 2, 3, 4], [4, 5, 6, 7, 8], [7, 6, 4], [''], [1, 2]],
'B': [[1, 2, 3, 4], [4, 5, 6, 7, 8], [3, 7, 9], [''], [4, 5]],
'E': [[''], [''], [''], [''], ['']],
'F': [[2, 2], [4, 4], [''], [78, 90], ['']]
})
Я пробовал все способы, показанные в примере, без каких-либо результатов. Как достичь этого?
Примечание. Я хочу отметить, что замена представляет собой список только с одним элементом, пустой строкой. Кроме того, это может быть [np.nan]
ОБНОВИТЬ:
In [136]: df.applymap(lambda x: x if isinstance(x, list) else [])
Out[136]:
A B E F
0 [1, 2, 3, 4] [1, 2, 3, 4] [] [2, 2]
1 [4, 5, 6, 7, 8] [4, 5, 6, 7, 8] [] [4, 4]
2 [7, 6, 4] [3, 7, 9] [] []
3 [] [] [] [78, 90]
4 [1, 2] [4, 5] [] []
или же:
In [152]: df = df.applymap(lambda x: x if isinstance(x, list) else [np.nan])
In [153]: df
Out[153]:
A B E F
0 [1, 2, 3, 4] [1, 2, 3, 4] [nan] [2, 2]
1 [4, 5, 6, 7, 8] [4, 5, 6, 7, 8] [nan] [4, 4]
2 [7, 6, 4] [3, 7, 9] [nan] [nan]
3 [nan] [nan] [nan] [78, 90]
4 [1, 2] [4, 5] [nan] [nan]
ПРИМЕЧАНИЕ: обратите внимание на комментарий @jpp. Сохранение нескалярных значений в ячейках разрушает 90% маны Панды/Ненуга, так как большинство быстрых внутренних векторизованных методов ожидают скалярные значения в ячейках - они не будут работать или не будут работать должным образом,
Ответ на набор данных перед обновлением вопроса:
ты можешь это сделать:
In [120]: df = df.fillna('')
In [121]: df
Out[121]:
A B C D E F
0 zero one 0.226100 1.764036 2
1 one one -1.672476 -0.867188 2
2 two 0.671258 0.125589 4
3 three three 1.135731 0.080577 4
4 four two -1.711692 0.735028 67
5 two 0.608488 1.012977
6 six one -1.233979 -0.623781 78
7 seven three 0.256893 -0.546639 90
но все столбцы, содержащие хотя бы одно значение NaN
будут преобразованы в строки, потому что пустая строка ''
всегда будет иметь строку (object
) dtype
:
In [122]: df.dtypes
Out[122]:
A object
B object
C float64
D float64
E object
F object
dtype: object
['']