用pandas中的NaNreplace空白值（空格）
我想查找包含空白（任意数量）的Pandas数据框中的所有值，并用NaNreplace这些值。
任何想法如何可以改善？
基本上我想把这个：
ABC 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 -1.387326 foo 2 2000-01-04 0.814772 baz 2000-01-05 -0.222552 4 2000-01-06 -1.176781 qux 进入这个：
ABC 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 -1.387326 foo 2 2000-01-04 0.814772 baz NaN 2000-01-05 -0.222552 NaN 4 2000-01-06 -1.176781 qux NaN
我已经设法用下面的代码做，但是男人是丑陋的。 这不是Pythonic，我相信这不是pandas的最有效的使用。 我循环遍历每一列，并通过应用一个正则expression式search每个值，在空白上匹配的函数生成的列掩码做布尔replace。
for i in df.columns: df[i][df[i].apply(lambda i: True if re.search('^\s*$', str(i)) else False)]=None
它可以通过遍历可能包含空string的字段进行优化：
if df[i].dtype == np.dtype('object')
但这并没有太大的改善
最后，这段代码将目标string设置为None，它与像Panda的函数（如fillna（））一起工作，但是如果我可以直接插入NaN而不是None，那么完整性会很好。
帮帮我！
我认为df.replace()做这个工作：
df = pd.DataFrame([ [-0.532681, 'foo', 0], [1.490752, 'bar', 1], [-1.387326, 'foo', 2], [0.814772, 'baz', ' '], [-0.222552, ' ', 4], [-1.176781, 'qux', ' '], ], columns='AB C'.split(), index=pd.date_range('2000-01-01','2000-01-06')) print df.replace(r'\s+', np.nan, regex=True)
生产：
ABC 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 -1.387326 foo 2 2000-01-04 0.814772 baz NaN 2000-01-05 -0.222552 NaN 4 2000-01-06 -1.176781 qux NaN
怎么样：
d = d.applymap(lambda x: np.nan if isinstance(x, basestring) and x.isspace() else x)
applymap函数将函数应用于数据applymap每个单元格。
我会做这个：
df = df.apply(lambda x: x.str.strip()).replace('', np.nan)
要么
df = df.apply(lambda x: x.str.strip() if isinstance(x, str) else x).replace('', np.nan)
你可以np.nan所有的str，然后用np.nanreplace空的str。
对于一个非常快速和简单的解决scheme，您可以使用mask方法检查相等的值。
df.mask(df == ' ')
