Python 数据帧对象类型在不同数据类型上填充异常

我有一个熊猫数据框，不同的列有不同的数据类型。例如，df.dtypes返回以下内容

Date                    datetime64[ns]
FundID                           int64
FundName                        object
CumPos                           int64
MTMPrice                       float64
PricingMechanism                object

许多cheese列中都缺少值。使用NaN值对其执行组操作会导致问题。显然，使用.fillna（）方法来摆脱它们是一个不错的选择。问题是字符串的clouse是.fillna（“”），而.fillna（0）是int和float的正确选择。在DataFrame上使用任一方法都会引发异常。除了单独操作（大约有30列）之外，还有什么优雅的解决方案吗？根据数据帧，我有很多代码，我不希望重新键入列，因为这可能会破坏其他逻辑。 可以做：

---

您可以遍历它们并使用

if

语句

for col in df:
    #get dtype for column
    dt = df[col].dtype 
    #check if it is a number
    if dt == int or dt == float:
        df[col].fillna(0)
    else:
        df[col].fillna("")

---

当您迭代一个数据帧时，您将获得每个列的名称，因此要访问这些列，您可以使用

df[col]

。这样您就不需要手动执行，脚本只需遍历每一列并检查其数据类型

您可以使用以下方法获取float64和object列：

In [11]: float_cols = df.blocks['float64'].columns

In [12]: object_cols = df.blocks['object'].columns

int列将不会有nan，否则它们会有

现在，您可以采用一种厚颜无耻的方式应用相应的s：

In [13]: d1 = dict((col, '') for col in object_cols)

In [14]: d2 = dict((col, 0) for col in float_cols)

In [15]: df.fillna(value=dict(d1, **d2))

---

精简版示例：

#replace Nan with '' for columns of type 'object'
df=df.select_dtypes(include='object').fillna('') 

---

但是，在执行上述操作之后，数据帧将只包含“object”类型的列。要保留所有列，请使用@Ryan Saxe提出的解决方案。

@Ryan Saxe的答案是准确的。为了让它对我的数据起作用，我必须设置

inplace=True

以及

data=0

和

data=“”

。见下面的代码：

for col in df:
    #get dtype for column
    dt = df[col].dtype 
    #check if it is a number
    if dt == int or dt == float:
        df[col].fillna(data=0, inplace=True)
    else:
        df[col].fillna(data="", inplace=True)

---

与@Guddi类似：有点冗长，但比@Ryan的答案更简洁，保留所有专栏：

df[df.select_dtypes("object").columns] = df.select_dtypes("object").fillna("")

---

您需要

inplace=True

才能使用（或分配列）注意：尽管这是一个巧妙的技巧，但它是否是一个真正的“有效”语法仍存在一些争议：）请参见df.blocks是新版本0.11.0method@Joop值得升级，而不仅仅是块！：）

df[df.select_dtypes("object").columns] = df.select_dtypes("object").fillna("")