Pandas替换NaN值的方法实现
替换Pandas DataFram中的 NaN 值
问题
NaN 代表 Not A Number,是表示数据中缺失值的常用方法之一。它是一个特殊的浮点值,不能转换为 float 以外的任何其他类型。NaN 值是数据分析中的主要问题之一。为了得到理想的结果,对 NaN 进行处理是非常必要的。
方法
用零替换Pandas DataFram中的 NaN 值的方法:
- fillna(): 用于使用指定的方法填充 NA/NaN 值。
- replace():
dataframe.replace()
函数用于替换字符串、正则表达式、列表、字典的简单方法。
下面以替换为0举例, 可以替换为任意值,依照个人情况考虑。关于上述两个函数的用法,可以参考官方链接,功能很强大。
替换 NaN 值的步骤
对一列数据使用fillna()
:
df['DataFrame Column'] = df['DataFrame Column'].fillna(0)
对一列数据使用replace
:
df['DataFrame Column'] = df['DataFrame Column'].replace(np.nan, 0)
对整个数据使用fillna()
:
df.fillna(0)
对整个数据使用replace
:
df.replace(np.nan, 0)
示例
对一列数据使用fillna()
# importing libraries
import pandas as pd
import numpy as np
nums = {'Set_of_Numbers': [2, 3, 5, 7, 11, 13, np.nan, 19, 23, np.nan]}
# Create the dataframe
df = pd.DataFrame(nums, columns =['Set_of_Numbers'])
# Apply the function
df['Set_of_Numbers'] = df['Set_of_Numbers'].fillna(0)
# print the DataFrame
df
对一列数据使用replace()
# importing libraries
import pandas as pd
import numpy as np
nums = {'Car Model Number': [223, np.nan, 237, 195, np.nan,
575, 110, 313, np.nan, 190, 143,
np.nan],
'Engine Number': [4511, np.nan, 7570, 1565, 1450, 3786,
2995, 5345, 7777, 2323, 2785, 1120]}
# Create the dataframe
df = pd.DataFrame(nums, columns=['Car Model Number'])
# Apply the function
df['Car Model Number'] = df['Car Model Number'].replace(np.nan, 0)
# print the DataFrame
df
对所有数据使用fillna()
# importing libraries
import pandas as pd
import numpy as np
nums = {'Number_set_1': [0, 1, 1, 2, 3, 5, np.nan, 13, 21, np.nan],
'Number_set_2': [3, 7, np.nan, 23, 31, 41, np.nan, 59, 67, np.nan],
'Number_set_3': [2, 3, 5, np.nan, 11, 13, 17, 19, 23, np.nan]}
# Create the dataframe
df = pd.DataFrame(nums)
# Apply the function
df = df.fillna(0)
# print the DataFrame
df
对所有数据使用replace()
# importing libraries
import pandas as pd
import numpy as np
nums = {
'Student Name': [ 'Shrek', 'Shivansh', 'Ishdeep', 'Siddharth', 'Nakul', 'Prakhar', 'Yash', 'Srikar', 'Kaustubh', 'Aditya', 'Manav', 'Dubey'],
'Roll No.': [ 18229, 18232, np.nan, 18247, 18136, np.nan, 18283, 18310, 18102, 18012, 18121, 18168],
'Subject ID': [204, np.nan, 201, 105, np.nan, 204, 101, 101, np.nan, 165, 715, np.nan],
'Grade Point': [9, np.nan, 7, np.nan, 8, 7, 9, 10, np.nan, 9, 6, 8]}
# Create the dataframe
df = pd.DataFrame(nums)
# Apply the function
df = df.replace(np.nan, 0)
# print the DataFrame
df
参考
https://www.heywhale.com/mw/project/5d86eced8499bc002c108cc8
https://www.geeksforgeeks.org/replace-nan-values-with-zeros-in-pandas-dataframe/
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.fillna.html
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.replace.html
到此这篇关于Pandas替换NaN值的方法实现的文章就介绍到这了,更多相关Pandas替换NaN值的方法实现内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341