NaN oznacza Not A Number i jest jednym z powszechnych sposobów reprezentowania brakującej wartości w danych. Jest to specjalna wartość zmiennoprzecinkowa i nie można jej przekonwertować na żaden inny typ niż float. Wartość NaN jest jednym z głównych problemów w
Metody zastępowania wartości NaN zerami w Pandas DataFrame
W Python istnieją dwie metody, za pomocą których możemy zastąpić wartości NaN zerami w ramce danych Pandy. Są one następujące:
Zastąp wartości NaN zerami za pomocą Pandas fillna()
Funkcja fillna() służy do wypełniania wartości NA/NaN przy użyciu określonej metody. Zobaczmy kilka przykładów dla lepszego zrozumienia.
Zamień wartości NaN na zera w kolumnie za pomocą Pandas fillna()
Składnia zastępowania wartości NaN zerami pojedynczej kolumny w ramce danych Pandy przy użyciu funkcji fillna() jest następująca:
Syntax: df['DataFrame Column'] = df['DataFrame Column'].fillna(0)>
Python3
# 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> |
miasto w usa
>
>
Wyjście:
fillna(), aby zastąpić NaN pojedynczą kolumnę
Zastąp wartości NaN zerami dla całej kolumny za pomocą Pandas fillna()
Składnia zastępowania wartości NaN zerami całej ramki danych Pandy przy użyciu funkcji fillna() jest następująca:
Syntax: df.fillna(0)>
Python3
przekonwertuj ciąg na int
# 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> |
>
>
Wyjście:
fillna() do zastąpienia NaN całej ramki danych
Zastąp wartości NaN zerami za pomocą NumPy zamiany()
The ramka danych.replace() funkcję w Pandach można zdefiniować jako prostą metodę zastępującą a strunowy , wyrażenie regularne, lista , słownik itp. w ramce danych.
Zastąp wartości NaN zerami dla kolumny za pomocą NumPy zamiany()
ciąg do json Java
Składnia zastępowania wartości NaN zerami pojedynczej kolumny w ramce danych Pandy przy użyciu funkcji zamiany () jest następująca:
Syntax: df['DataFrame Column'] = df['DataFrame Column'].replace(np.nan, 0)>
Python3
# 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> |
>
>
Wyjście:
zamień(), aby zastąpić NaN pojedynczą kolumnę
Zastąp wartości NaN zerami dla całej ramki danych za pomocą NumPy zamiany()
Składnia zastępująca wartości NaN zerami całej ramki danych Pandy funkcję zamiany(). następująco:
Syntax: df.replace(np.nan, 0)>
Python3
# 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> |
>
>
android.process.acore ciągle się zatrzymuje
Wyjście:
zamień() funkcję zastąpienia NaN dla całej ramki danych