Question

我有一个数据框如下

      itm Date                  Amount 
67    420 2012-09-30 00:00:00   65211
68    421 2012-09-09 00:00:00   29424
69    421 2012-09-16 00:00:00   29877
70    421 2012-09-23 00:00:00   30990
71    421 2012-09-30 00:00:00   61303
72    485 2012-09-09 00:00:00   71781
73    485 2012-09-16 00:00:00     NaN
74    485 2012-09-23 00:00:00   11072
75    485 2012-09-30 00:00:00  113702
76    489 2012-09-09 00:00:00   64731
77    489 2012-09-16 00:00:00     NaN

当我尝试将一个函数应用于Amount列时，我得到以下错误。

ValueError: cannot convert float NaN to integer

我尝试使用数学模块中的.isnan来应用函数我试过了pandas .replace属性我尝试了pandas 0.9的.sparse数据属性我也尝试过函数中的NaN == NaN语句。在查看其他一些文章的同时，我也查看了这篇文章How do I replace NA values with zeros in an R dataframe?。我尝试的所有方法都没有工作或者没有认识到NaN。任何提示或解决方案将不胜感激。

Answer 1

我相信DataFrame.fillna()会为你做这件事。

链接到a dataframe和a Series的文档。

示例：

In [7]: df
Out[7]: 
          0         1
0       NaN       NaN
1 -0.494375  0.570994
2       NaN       NaN
3  1.876360 -0.229738
4       NaN       NaN

In [8]: df.fillna(0)
Out[8]: 
          0         1
0  0.000000  0.000000
1 -0.494375  0.570994
2  0.000000  0.000000
3  1.876360 -0.229738
4  0.000000  0.000000

要仅在一列中填充NaN，请仅选择该列。在这种情况下，我使用inplace = True来实际更改df的内容。

In [12]: df[1].fillna(0, inplace=True)
Out[12]: 
0    0.000000
1    0.570994
2    0.000000
3   -0.229738
4    0.000000
Name: 1

In [13]: df
Out[13]: 
          0         1
0       NaN  0.000000
1 -0.494375  0.570994
2       NaN  0.000000
3  1.876360 -0.229738
4       NaN  0.000000

Answer 2

无法保证切片返回视图或副本。你可以做到

df['column'] = df['column'].fillna(value)

Answer 3

我只想提供一些更新/特殊情况，因为看起来人们仍然来到这里。如果您正在使用多索引或使用索引切片器，则inplace = True选项可能不足以更新您选择的切片。例如，在2x2级多指数中，这不会改变任何值（截至pandas 0.15）：

idx = pd.IndexSlice
df.loc[idx[:,mask_1],idx[mask_2,:]].fillna(value=0,inplace=True)

“问题”是链接打破了fillna更新原始数据帧的能力。我把“问题”放在引号中，因为设计决策有充分的理由导致在某些情况下不通过这些链解释。此外，这是一个复杂的例子（虽然我真的遇到过它），但同样的情况可能适用于较少的索引级别，具体取决于你的切片方式。

解决方案是DataFrame.update：

df.update(df.loc[idx[:,mask_1],idx[[mask_2],:]].fillna(value=0))

它是一行，读取得相当好（有点）并消除了对中间变量或循环的任何不必要的混乱，同时允许您将fillna应用于您喜欢的任何多级切片！

如果任何人都可以找到不起作用的地方，请在评论中发帖，我一直在搞乱它并查看源代码，它似乎至少解决了我的多索引切片问题。

Answer 4

您可以使用replace将rotation.y += dolly.rotation.y更改为NaN：

Answer 5

以下代码对我有用。

import pandas

df = pandas.read_csv('somefile.txt')

df = df.fillna(0)

Answer 6

轻松填写缺失值的方法：-

填充：字符串列：当字符串列中缺少值和NaN值时。

df['string column name'].fillna(df['string column name'].mode().values[0], inplace = True)

填充 数字列：当数字列缺少值和NaN值时。

df['numeric column name'].fillna(df['numeric column name'].mean(), inplace = True)

用0填充NaN：

df['column name'].fillna(0, inplace = True)

Answer 7

用不同的方式替换不同列中的nan：

   replacement= {'column_A': 0, 'column_B': -999, 'column_C': -99999}
   df.fillna(value=replacement)

Answer 8

要替换熊猫中的na值

df['column_name'].fillna(value_to_be_replaced,inplace=True)

如果inplace = False，则不更新df（数据帧），而是返回修改后的值。

Answer 9

如果要将其转换为熊猫数据框，也可以使用fillna来完成。

import numpy as np
df=np.array([[1,2,3, np.nan]])

import pandas as pd
df=pd.DataFrame(df)
df.fillna(0)

这将返回以下内容：

     0    1    2   3
0  1.0  2.0  3.0 NaN
>>> df.fillna(0)
     0    1    2    3
0  1.0  2.0  3.0  0.0

Answer 10

用 0 替换所有的 nan

df = df.fillna(0)

Answer 11

考虑到上表中的特定列Amount是整数类型。以下是解决方案：

df['Amount'] = df.Amount.fillna(0).astype(int)

同样，您可以用float，str等各种数据类型来填充它。

特别是，我会考虑使用数据类型来比较同一列的各种值。

Answer 12

您还可以使用字典来填充DataFrame中特定列的NaN值，而不是使用某个oneValue来填充所有DF。

import pandas as pd

df = pd.read_excel('example.xlsx')
df.fillna( {
        'column1': 'Write your values here',
        'column2': 'Write your values here',
        'column3': 'Write your values here',
        'column4': 'Write your values here',
        .
        .
        .
        'column-n': 'Write your values here'} , inplace=True)

Answer 13

主要有两个选项；插补或填充缺失值 NaN / np.nan 时，仅用数字替换（跨列：

df['Amount'].fillna(value=None, method= ,axis=1,)就足够了：

从文档中：

value：标量，dict，Series或DataFrame 用于填充孔的值（例如0），或者值的dict / Series / DataFrame指定用于哪个值每个索引（对于系列）或列（对于DataFrame）。（值不在dict / Series / DataFrame中不会被填充）。此值不能成为列表。

这意味着不再允许对“字符串”或“常量”进行插补。

有关更专业的插补，请使用 SimpleImputer（）：

from sklearn.impute import SimpleImputer
si = SimpleImputer(strategy='constant', missing_values=np.nan, fill_value='Replacement_Value')
df[['Col-1', 'Col-2']] = si.fit_transform(X=df[['C-1', 'C-2']])

Answer 14

如果要为特定列填充NaN，可以使用loc：

d1 = {"Col1" : ['A', 'B', 'C'],
     "fruits": ['Avocado', 'Banana', 'NaN']}
d1= pd.DataFrame(d1)

output:

Col1    fruits
0   A   Avocado
1   B   Banana
2   C   NaN


d1.loc[ d1.Col1=='C', 'fruits' ] =  'Carrot'


output:

Col1    fruits
0   A   Avocado
1   B   Banana
2   C   Carrot

Answer 15

这对我有用，但没有人提到它。会不会有什么问题？

df.loc[df['column_name'].isnull(), 'column_name'] = 0

如何在pandas数据帧的列中用Zero替换所有NaN值

15 个答案: