Zastąp None na NaN w pandas dataframe

Mam stolik x:

        website
0   http://www.google.com/
1   http://www.yahoo.com
2   None

Chcę zamienić Pythona None na pandy NaN. Próbowałem:

x.replace(to_replace=None, value=np.nan)

Ale dostałem:

TypeError: 'regex' must be a string or a compiled regular expression or a list or dict of strings or regular expressions, you passed a 'bool'

Jak mam się do tego zabrać?

Możesz użyć DataFrame.fillnalub, Series.fillnaktóry zastąpi obiekt Pythona None, a nie ciąg 'None'.

import pandas as pd
import numpy as np

W przypadku ramki danych:

df = df.fillna(value=np.nan)

W przypadku kolumny lub serii:

df.mycol.fillna(value=np.nan, inplace=True)

Oto inna opcja:

df.replace(to_replace=[None], value=np.nan, inplace=True)

Poniższy wiersz zastępuje Nonesię NaN:

df['column'].replace('None', np.nan, inplace=True)

Jeśli używasz df.replace ([None], np.nan, inplace = True), zmieniło to wszystkie obiekty daty i godziny z brakującymi danymi na dtypes obiektów. Więc teraz możesz mieć błędne zapytania, chyba że zmienisz je z powrotem na datę i godzinę, co może podlegać opodatkowaniu w zależności od rozmiaru twoich danych.

Jeśli chcesz użyć tej metody, możesz najpierw zidentyfikować pola typu obiektu w pliku df, a następnie zamienić opcję Brak:

obj_columns = list(df.select_dtypes(include=['object']).columns.values)
df[obj_columns] = df[obj_columns].replace([None], np.nan)

DataFrame['Col_name'].replace("None", np.nan, inplace=True)