快捷導(dǎo)航

Pandas替換NaN值的方法實現(xiàn)

更新時間：2023年01月16日 11:11:48 作者：uncle_ll

本文主要介紹了Pandas替換NaN值的方法實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

問題

NaN 代表 Not A Number，是表示數(shù)據(jù)中缺失值的常用方法之一。它是一個特殊的浮點值，不能轉(zhuǎn)換為 float 以外的任何其他類型。NaN 值是數(shù)據(jù)分析中的主要問題之一。為了得到理想的結(jié)果，對 NaN 進行處理是非常必要的。

方法

用零替換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()函數(shù)用于替換字符串、正則表達式、列表、字典的簡單方法。

下面以替換為0舉例，可以替換為任意值，依照個人情況考慮。關(guān)于上述兩個函數(shù)的用法，可以參考官方鏈接，功能很強大。

替換 NaN 值的步驟

對一列數(shù)據(jù)使用fillna()：

df['DataFrame Column'] = df['DataFrame Column'].fillna(0)

對一列數(shù)據(jù)使用replace：

df['DataFrame Column'] = df['DataFrame Column'].replace(np.nan, 0)

對整個數(shù)據(jù)使用fillna()：

df.fillna(0)

對整個數(shù)據(jù)使用replace：

df.replace(np.nan, 0)

示例

對一列數(shù)據(jù)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

pandas-replace-nan-1

對一列數(shù)據(jù)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

pandas-replace-nan-2

對所有數(shù)據(jù)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

pandas-replace-nan-3

對所有數(shù)據(jù)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

pandas-replace-nan-5