Python 如何在数据帧中将单元格设置为NaN

我想用NaN替换数据帧列中的坏值

mydata = {'x' : [10, 50, 18, 32, 47, 20], 'y' : ['12', '11', 'N/A', '13', '15', 'N/A']}
df = pd.DataFrame(mydata)

df[df.y == 'N/A']['y'] = np.nan

---

但是，最后一行失败并抛出警告，因为它正在处理df的副本。那么，正确的处理方法是什么？我见过许多使用iloc或ix的解决方案，但在这里，我需要使用布尔条件。

只需使用

替换即可：

In [106]:
df.replace('N/A',np.NaN)

Out[106]:
    x    y
0  10   12
1  50   11
2  18  NaN
3  32   13
4  47   15
5  20  NaN

您尝试的是所谓的链索引：

您可以使用
loc
确保在原始dF上操作：

In [108]:
df.loc[df['y'] == 'N/A','y'] = np.nan
df

Out[108]:
    x    y
0  10   12
1  50   11
2  18  NaN
3  32   13
4  47   15
5  20  NaN

您可以使用替换：

df['y'] = df['y'].replace({'N/A': np.nan})

还要注意
replace
的
inplace
参数。您可以执行以下操作：

df.replace({'N/A': np.nan}, inplace=True)

这将替换df中的所有实例，而不创建副本

类似地，如果遇到其他类型的未知值，例如空字符串或无值：

df['y'] = df['y'].replace({'': np.nan})

df['y'] = df['y'].replace({None: np.nan})

参考资料：
虽然使用
替换
似乎可以解决问题，但我想提出一个替代方案。列中的数字值和某些字符串值混合的问题不是将字符串替换为np.nan，而是使整个列正确。我敢打赌，原始列很可能是对象类型

Name: y, dtype: object

您真正需要的是使它成为一个数字列（它将具有适当的类型，并且速度会更快），所有非数字值都将替换为NaN

因此，好的转换代码是

pd.to_numeric(df['y'], errors='coerce')

Name: y, dtype: float64

指定
errors='concurve'
以强制无法解析为数值的字符串变为NaN。列类型将是

pd.to_numeric(df['y'], errors='coerce')

Name: y, dtype: float64

您可以尝试这些代码片段

In [16]:mydata = {'x' : [10, 50, 18, 32, 47, 20], 'y' : ['12', '11', 'N/A', '13', '15', 'N/A']}
In [17]:df=pd.DataFrame(mydata)

In [18]:df.y[df.y=="N/A"]=np.nan

Out[19]:df 
    x    y
0  10   12
1  50   11
2  18  NaN
3  32   13
4  47   15
5  20  NaN
在[16]中：mydata={'x'：[10,50,18,32,47,20]，'y'：[12,11,N/A'，'13,15'，'N/A']}
在[17]中：df=pd.DataFrame（mydata）
在[18]中：df.y[df.y==“不适用”]=np.nan
Out[19]：df
xy
0  10   12
1  50   11
2 18南
3  32   13
4  47   15
520南
这就解决了你的问题。使用double[]，您正在处理数据帧的副本。您必须在一次调用中指定确切位置才能修改它。
从pandas 1.0.0开始，您不再需要使用numpy在数据帧中创建空值。相反，您可以只使用pandas.NA（pandas.libs.missing.NAType类型），因此它在数据帧内将被视为null，但在数据帧上下文外不会为null。
df.replace（'columnvalue'，np.NaN，inplace=True）
这里的大多数回复需要
将numpy导入为np

熊猫本身有一个内置的解决方案：
pd.NA
，可以这样使用：

df.replace('N/A', pd.NA)

我觉得这个标题有误导性。问题不在于您希望数据帧中包含NaN。问题是你“试图从一个数据帧中设置一个切片的副本”。虽然这不能解决OP的问题，但我投了更高的票，因为它实际上回答了标题中的问题。