поэтому у меня есть очень большой dataframe в основном плавает (читать из CSV), но каждый сейчас и потом, я получаю строку, или нанпитон, панды, работать через плохие данные
date load
0 2016-07-12 19:04:31.604999 0
...
10 2016-07-12 19:04:31.634999 nan
...
50 2016-07-12 19:04:31.664999 ".942.197"
...
I может иметь дело с NaNs (интерполировать), но не может понять, как использовать заменить для того, чтобы поймать строки, а не число
df.replace(to_replace='^[a-zA-Z0-9_.-]*$',regex=True,value = float('nan'))
возвращает весь Nans. Я не буду использовать только тогда, когда это на самом деле строка
Можете ли вы опубликовать пример «что-то странное» –
, строка - это единственная проблема, которую я имею, удалил «что-то странное» из моего вопроса. –