如何在python中替换NaN值
我的数据帧中有一个NaN值列表,我想用空字符串替换NaN值 到目前为止,我所尝试的都不起作用:如何在python中替换NaN值,python,pandas,dataframe,missing-data,imputation,Python,Pandas,Dataframe,Missing Data,Imputation,我的数据帧中有一个NaN值列表,我想用空字符串替换NaN值 到目前为止,我所尝试的都不起作用: df_conbid_N_1 = pd.read_csv("test-2019.csv",dtype=str, sep=';', encoding='utf-8') df_conbid_N_1['Excep_Test'] = df_conbid_N_1['Excep_Test'].replace("NaN","") 简单!你可以这样做 df_conbid_N_1 = pd.read_csv("test
df_conbid_N_1 = pd.read_csv("test-2019.csv",dtype=str, sep=';', encoding='utf-8')
df_conbid_N_1['Excep_Test'] = df_conbid_N_1['Excep_Test'].replace("NaN","")
简单!你可以这样做
df_conbid_N_1 = pd.read_csv("test-2019.csv",dtype=str, sep=';',encoding='utf-8').fillna("")
简单!你可以这样做
df_conbid_N_1 = pd.read_csv("test-2019.csv",dtype=str, sep=';',encoding='utf-8').fillna("")
我们有熊猫来填补缺失的值
让我们通过一个示例数据帧来了解一些用例:
df = pd.DataFrame({'col1':['John', np.nan, 'Anne'], 'col2':[np.nan, 3, 4]})
col1 col2
0 John NaN
1 NaN 3.0
2 Anne 4.0
如文档中所述,fillna接受以下填充值:
值:标量、dict、序列或数据帧
因此,我们可以替换为常量值,例如空字符串:
df.fillna('')
col1 col2
0 John
1 3
2 Anne 4
1
您还可以使用字典映射列替换。\u name:replace\u value:
或者您也可以替换为另一个pd.Series或pd.DataFrame:
这是非常有用的,因为它允许您使用从列中提取的一些统计信息(例如平均值或模式)来填充数据帧列中缺少的值。假设我们有:
df = pd.DataFrame(np.random.choice(np.r_[np.nan, np.arange(3)], (3,5)))
print(df)
0 1 2 3 4
0 NaN NaN 0.0 1.0 2.0
1 NaN 2.0 NaN 2.0 1.0
2 1.0 1.0 2.0 NaN NaN
然后我们可以轻松地做到:
df.fillna(df.mean())
0 1 2 3 4
0 1.0 1.5 0.0 1.0 2.0
1 1.0 2.0 1.0 2.0 1.0
2 1.0 1.0 2.0 1.5 1.5
我们有熊猫来填补缺失的值
让我们通过一个示例数据帧来了解一些用例:
df = pd.DataFrame({'col1':['John', np.nan, 'Anne'], 'col2':[np.nan, 3, 4]})
col1 col2
0 John NaN
1 NaN 3.0
2 Anne 4.0
如文档中所述,fillna接受以下填充值:
值:标量、dict、序列或数据帧
因此,我们可以替换为常量值,例如空字符串:
df.fillna('')
col1 col2
0 John
1 3
2 Anne 4
1
您还可以使用字典映射列替换。\u name:replace\u value:
或者您也可以替换为另一个pd.Series或pd.DataFrame:
这是非常有用的,因为它允许您使用从列中提取的一些统计信息(例如平均值或模式)来填充数据帧列中缺少的值。假设我们有:
df = pd.DataFrame(np.random.choice(np.r_[np.nan, np.arange(3)], (3,5)))
print(df)
0 1 2 3 4
0 NaN NaN 0.0 1.0 2.0
1 NaN 2.0 NaN 2.0 1.0
2 1.0 1.0 2.0 NaN NaN
然后我们可以轻松地做到:
df.fillna(df.mean())
0 1 2 3 4
0 1.0 1.5 0.0 1.0 2.0
1 1.0 2.0 1.0 2.0 1.0
2 1.0 1.0 2.0 1.5 1.5
使用fillna:
一个例子-
df = pd.DataFrame({'no': [1, 2, 3],
'Col1':['State','City','Town'],
'Col2':['abc', np.NaN, 'defg'],
'Col3':['Madhya Pradesh', 'VBI', 'KJI']})
df
no Col1 Col2 Col3
0 1 State abc Madhya Pradesh
1 2 City NaN VBI
2 3 Town defg KJI
df.Col2.fillna('', inplace=True)
df
no Col1 Col2 Col3
0 1 State abc Madhya Pradesh
1 2 City VBI
2 3 Town defg KJI
使用fillna:
一个例子-
df = pd.DataFrame({'no': [1, 2, 3],
'Col1':['State','City','Town'],
'Col2':['abc', np.NaN, 'defg'],
'Col3':['Madhya Pradesh', 'VBI', 'KJI']})
df
no Col1 Col2 Col3
0 1 State abc Madhya Pradesh
1 2 City NaN VBI
2 3 Town defg KJI
df.Col2.fillna('', inplace=True)
df
no Col1 Col2 Col3
0 1 State abc Madhya Pradesh
1 2 City VBI
2 3 Town defg KJI