如何在 Pandas DataFrame 的列中将所有 NaN 值替换为零
当我们处理大型数据集时，有时数据集中会有 NaN 值要用某个平均值或合适的值替换。例如，你有一个学生评分列表，有些学生没有参加测验，因此系统自动输入了 NaN 而不是 0.0。下面列出了完成此任务的不同方法。
df.fillna()df.replace()
在以下各节中，我们将使用相同的 DataFrame，如下所示：
import pandas as pd
import numpy as np
data = {'name': ['Oliver', 'Harry', 'George', 'Noah'],
'percentage': [90, 99, 50, 65],
'grade': [88, np.nan, 95,np.nan]}
df = pd.DataFrame(data)
print(df)
以下是等级为 NaN 的 DataFrame。
name percentage grade
0 Oliver 90 88.0
1 Harry 99 NaN
2 George 50 95.0
3 Noah 65 NaN
df.fillna() 方法将所有 NaN 值替换为零
让我们借助 df.fillna() 方法替换 NaN 值。
import pandas as pd
import numpy as np
data = {'name': ['Oliver', 'Harry', 'George', 'Noah'],
'percentage': [90, 99, 50, 65],
'grade': [88, np.nan, 95,np.nan]}
df = pd.DataFrame(data)
df = df.fillna(0)
print(df)
以下是将 NaN 替换为 0 的输出。
name percentage grade
0 Oliver 90 88.0
1 Harry 99 0.0
2 George 50 95.0
3 Noah 65 0.0
df.fillna() 方法用给定值填充 NaN 值。它不会更改对象数据，但默认情况下会返回一个新的 DataFrame，除非将 inplace 参数设置为 True。
我们可以通过设置 inplace 参数为 True 来重写上述代码。
import pandas as pd
import numpy as np
data = {'name': ['Oliver', 'Harry', 'George', 'Noah'],
'percentage': [90, 99, 50, 65],
'grade': [88, np.nan, 95,np.nan]}
df = pd.DataFrame(data)
df.fillna(0, inplace=True)
print(df)
df.replace() 方法
此方法与 df.fillna() 相同，将 NaN 替换为 0。df.replace() 也可用于替换其他数字。让我们看一下代码。
import pandas as pd
import numpy as np
data = {'name': ['Oliver', 'Harry', 'George', 'Noah'],
'percentage': [90, 99, 50, 65],
'grade': [88, np.nan, 95,np.nan]}
df = pd.DataFrame(data)
nan_replaced = df.replace(np.nan,0)
print(nan_replaced)
以下是输出。
name percentage grade
0 Oliver 90 88.0
1 Harry 99 0.0
2 George 50 95.0
3 Noah 65 0.0
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布，任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站。本站所有源码与软件均为原作者提供，仅供学习和研究使用。如您对本站的相关版权有任何异议，或者认为侵犯了您的合法权益，请及时通知我们处理。
