Python 如何继续使用fillna中的'None'值

我有以下字典：

fillna（值={'first_name'：'Andrii'，'last_name'：'Furmanets'，'created_at'：None}）

当我把字典传给fillna时，我看到：

raise VALUERROR（'必须指定填充方法或值'）\n VALUERROR:必须指定填充方法或值\n

在我看来，它在

None

值上失败

---

我使用的是pandas版本0.20.3。

您使用的是什么类型的数据结构？这适用于pandas系列：

import pandas as pd

d = pd.Series({'first_name': 'Andrii', 'last_name':'Furmanets', 'created_at':None})
d = d.fillna('DATE')

设置
考虑样例数据文件<代码> DF

df = pd.DataFrame(dict(A=[1, None], B=[None, 2], C=[None, 'D']))

df

     A    B     C
0  1.0  NaN  None
1  NaN  2.0     D

我可以确认错误

df.fillna(dict(A=1, B=None, C=4))

之所以会发生这种情况，是因为pandas在字典中的键之间循环，并对每个相关列执行

fillna

您将看到默认值为

None

。因此，我们可以使用

df.A.fillna(None)

或同等地

df.A.fillna()

我要补充的是，考虑到您试图用空值填充空值，我并不感到非常惊讶

---

你需要的是一个变通的方法

解决方案
在要用非空值填充的列上使用。然后在要用一个空值替换另一个空值的特定列上使用

df.fillna(dict(A=1, C=2)).replace(dict(B={np.nan: None}))

     A     B  C
0  1.0  None  2
1  1.0     2  D

---

使用

None

填充NA的另一种方法。我使用的是pandas

0.24.0

，我这样做是为了向POSTGRES数据库插入空值

# Stealing @pIRSquared dataframe
df = pd.DataFrame(dict(A=[1, None], B=[None, 2], C=[None, 'D']))

df

     A    B     C
0  1.0  NaN  None
1  NaN  2.0     D

# fill NaN with None. Basically it says, fill with None whenever you see NULL value.
df['A'] = np.where(df['A'].isnull(), None, df['A'])
df['B'] = np.where(df['B'].isnull(), None, df['B'])

# Result
df

     A    B     C
0  1.0  None  None
1  None  2.0     D

---

尝试用

None

填充datetime是个坏主意，这正是（NotATime）的目的：用于缺少的datetime。

如果您想用python的None规范化所有空值

df.fillna(np.nan).replace([np.nan], [None])

---

第一个

fillna

将用Numpy的nan替换所有（None、NAT、np.nan等），然后用python的None替换Numpy的nan。

我使用字典而不是字符串。你打算用什么替换

None

呢？甚至可能是

“None”“

。在放入

fillna

之前，我将dict标准化。正如你提到的。谢谢。在float列中，没有一个事实上由np.nan表示（在大多数类型中）。所以这没有任何意义。从

d={'first_name'：'Andrii'，'last_name'：'Furmanets'}

这本词典来自外部，必须经过pandas，在字段中有created_，在我看来它与pandas 0.18.0一起工作。尝试用

None

填充日期时间是个坏主意，这就是（NotATime），用于：缺少日期时间。I

value

作为

fillna

中的参数，如下所示：

df.fillna（value=dict（A=1，B=None，C=4））

是否相同？是。这是一样的。

索引器：只有整数、片（

：

）、省略号（

…

）、numpy.newaxis（

None

）和整数或布尔数组是有效的索引。

不幸的是，我不能给出示例，因为它们是包含敏感数据的非常大的数据帧。知道会发生什么吗？对我来说，这是对整个数据帧应用None最简单的方法。这不是答案吗？

df.fillna(np.nan).replace([np.nan], [None])

df.fillna(np.nan).replace([np.nan], [None])