Loc筛选和排除空值

Question

1. vat.loc[(vat['Sum of VAT'].isin([np.nan, 0])) &
2.        (vat['Comment'] == "Transactions 0DKK") &
3.        (vat['Type'].isin(['Bill', 'Bill Credit'])) &
4.        (vat['Maximum of Linked Invoice'].notnull()), 'Comment'] = 'Linked invoice'
5. vat[vat["Comment"] == "Linked invoice"]

大家好，

我对这条线有个问题：

(vat['Maximum of Linked Invoice'].notnull()

当我试图排除行中的所有空值时，它似乎不能正常工作。实际上，它并不排除空值，而是将其包含在数据帧的输出中。语法的其余部分可以完美地工作。我尝试过使用不同的语法，但空值仍然包含在“链接发票的最大值”列中。我不明白为什么它不能工作？

又见面了，

我做了更多的研究，似乎csv文件在导入时，'Maximum of Linked Invoice‘列有62107个非空值，但这是不正确的，当打开csv_file并检查时，行中确实有几千个空格，但为什么导入时它没有被读取为空值？你以前见过这样的东西吗？

请查看下面的信息

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 62108 entries, 0 to 62107
Data columns (total 35 columns):
 #   Column                               Non-Null Count  Dtype  
---  ------                               --------------  -----  
 0   External ID                          62108 non-null  object 
 1   Document Number                      62107 non-null  object 
 2   Transaction Number                   62107 non-null  object 
 3   Maximum of Linked Invoice            62107 non-null  object 
 4   Type                                 62107 non-null  object 
 5   Date                                 62107 non-null  object 
 6   Period                               62107 non-null  object 
 7   Terms                                62107 non-null  object 
 8   Maximum of Due Date/Receive By       50885 non-null  object 
 9   Company Name                         62107 non-null  object 
 10  Customer VAT Registration Number     62107 non-null  object 
 11  Bill to City                         62107 non-null  object 
 12  Bill to State                        62107 non-null  object 
 13  Bill to Country                      62107 non-null  object 
 14  Bill to Zip                          62107 non-null  object 
 15  Source System                        62107 non-null  object 
 16  Source System Identifier             62107 non-null  object 
 17  City                                 62107 non-null  object 
 18  State/Province                       62107 non-null  object 
 19  Country                              62107 non-null  object 
 20  Zip                                  62107 non-null  object 
 21  Currency                             62107 non-null  object 
 22  Memo (Main)                          62107 non-null  object 
 23  Maximum of GMAX Tax Code             24189 non-null  object 
 24  Maximum of NetSuite Tax Item         59815 non-null  object 
 25  Maximum of Coupa Tax Code            0 non-null      float64
 26  Maximum of External System Tax Code  0 non-null      float64
 27  Maximum of Tax Code (Consolidated)   59815 non-null  object 
 28  FOP Type                             62107 non-null  object 
 29  Sum of Assets                        60680 non-null  float64
 30  Sum of Accounts Payable              3741 non-null   float64
 31  Sum of Other Liabilities             57066 non-null  float64
 32  Sum of Income                        60290 non-null  float64
 33  Sum of Expense                       300 non-null    float64
 34  Sum of VAT                           56269 non-null  float64
dtypes: float64(8), object(27)
memory usage: 16.6+ MB

Answer 1

如果有人正在读这篇文章，那么我已经找到了答案。我的语法没有问题，但问题出在CSV文件本身。pandas之所以将列'Maximum of Linked Invoice‘读取为62107非null，是因为在该列的每一行中都嵌入了一个空格。我一开始看到的唯一的东西就是空白行，但这是不准确的。因此，我强烈建议您检查CSV文件，以避免花费时间来解决这些类型的棘手问题。

下面是代码行4的解决方案：

(~vat['Maximum of Linked Invoice'].isin([np.nan, ' '])