如何在 Pandas DataFrame 的列中将所有 NaN 值替换为零
Ahmed Waheed
2023年1月30日
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。
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