如何在使用np.nan (.)时区分空字符串、to_excel和None熊猫数据中心的功能？

Question

在构建包含np.nan、None和空字符串('')值的Python3.8.3和Pandas1.0.4的数据框架之后

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'b':None,'c':''},index=[0])
df2 = pd.DataFrame({'a':1,'b':1,'c':None},index=[0])
df = pd.concat([df1,df2], axis=0, sort=True)
print(df)

数据帧df看起来像

     a     b     c
0  NaN  None      
0  1.0     1  None

现在，我想使用to_excel()函数将这些值存储到Excel中。但是，在运行命令之后

df.to_excel('nan_none_empty.xlsx')

结果看起来就像

​

​

由于np.nan、None和空字符串('')是不可分离的。

可以使用选项''从np.nan和None中分离空字符串( na_rep )，如下所示

df.to_excel('nan_none_empty2.xlsx',na_rep='?')

给出结果

​

​

但是，对于这个问题，为了能够在excel(.)函数导出中将np.nan与None分离开来，我似乎已经用完了np.nan。

当将np.nan和None导出到df时，如何将它们巧妙地分开呢？

Answer 1

如果您想要区分不同的空类型，最好的方法是在导出到Excel之前替换值。转换为字符串是确保不合并None、np.NaN、pd.NaT等的一种方法。

df1 = pd.DataFrame({'b':None,'c':''},index=[0])
df2 = pd.DataFrame({'a':1,'b':1,'c':None},index=[0])
df = pd.concat([df1,df2], axis=0, sort=True)

null_map = {'nan': '-',
            'None': '?'} # Add the string representation for other types you may need

df = df.applymap(lambda x:
                 null_map[str(x)]
                 if str(x) in null_map
                 else x)
df.to_excel('nan_none_empty2.xlsx')

Answer 2

像这样怎么样？：

df = df.applymap(lambda x: str(x) if x in [None, ''] else x)
df.to_excel('nan_none_empty.xlsx',na_rep='np.nan')