如何在 Pandas DataFrame 的列中將所有 NaN 值替換為零
Ahmed Waheed
2023年1月30日
當我們處理大型資料集時，有時資料集中會有 NaN 值要用某個平均值或合適的值替換。例如，你有一個學生評分列表，有些學生沒有參加測驗，因此係統自動輸入了 NaN 而不是 0.0。下面列出了完成此任務的不同方法。
在以下各節中，我們將使用相同的 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)
以下是等級為 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() 方法將所有 NaN 值替換為零
讓我們藉助 df.fillna() 方法替換 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)
以下是將 NaN 替換為 0 的輸出。
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() 方法用給定值填充 NaN 值。它不會更改物件資料，但預設情況下會返回一個新的 DataFrame，除非將 inplace 引數設定為 True。
我們可以通過設定 inplace 引數為 True 來重寫上述程式碼。
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
此方法與 df.fillna() 相同，將 NaN 替換為 0。df.replace() 也可用於替換其他數字。讓我們看一下程式碼。
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)
以下是輸出。
name percentage grade
0 Oliver 90 88.0
1 Harry 99 0.0
2 George 50 95.0
3 Noah 65 0.0