Starring = df['主演'].replace('...','').replace(' ','').replace('主...','').dropna().str.split(" ").str[0].value_counts().nlargest(10)没有将空值删除
时间: 2023-06-27 14:01:05 浏览: 47
如果在运行 `df['主演']` 时已经使用了 `.dropna()` 方法删除了空值,那么 `Starring` 这一行就不需要再次删除空值。如果你还没有删除空值,可以在代码中加入 `.dropna()` 方法来删除空值,例如:
```python
Starring = df['主演'].replace('...','').replace(' ','').replace('主...','').dropna().str.split(" ").str[0].value_counts().nlargest(10)
```
这样就会在统计前删除所有空值。
相关问题
Starring = Starring.dropna()如何删除里面的‘’
你可以使用 `replace()` 函数来替换空字符串为 `None`,然后使用 `dropna()` 函数删除包含 `None` 的行。示例代码如下:
```python
Starring = Starring.replace('', None)
Starring = Starring.dropna()
```
这样就可以删除包含空字符串的行了。
Starring = df['主演'].replace('...'|' ','NONE')优化代码
您可以使用正则表达式来替换多个空格和省略号,如下所示:
```python
import re
starring = df['主演'].replace('\.{3,}|\s+', 'NONE', regex=True)
```
这里的正则表达式`'\.{3,}|\s+'`将匹配三个或更多连续的点号(即省略号)或一个或多个连续的空格,并将它们替换为字符串“NONE”。`regex=True`参数告诉`replace()`方法使用正则表达式进行替换。