Question

我有两种需要纠正的错误数据。一个是null，一个是Nan。

 >>> df_new
          Volume Price   
Date
2017-01-01 500  760
2017-01-02 null 760
2017-01-03 50   770
2017-01-04 null 780

另一种类型是使用NaN

 >>> df_new
          Volume Price   
Date
2017-01-01 500  760
2017-01-02 NaN 760
2017-01-03 50  770
2017-01-04 NaN 780

如何用0替换null和NaN数据？我的代码无论是null还是NaN都可以工作，但我不能同时使用

volume = df_new['Volume'] == 'null' or df_new['Volume'].isnull()
df_new.loc[volume,'Volume'] = 0
df_new.replace('null',np.NaN,inplace=True)
df_new.iloc[0].fillna(df_new.iloc[1].Open,inplace=True)

它返回错误

回溯（最近一次呼叫最后一次）：文件＆＃34;＆＃34;，第1行，in 文件＆＃34; /home/.local/lib/python2.7/site-packages/pandas/core/ops.py" ;, line 763，在包装器中res = na_op（values，other）文件＆＃34; /home/.local/lib/python2.7/site-packages/pandas/core/ops.py" ;, line 718，在na_op中引发TypeError（＆＃34;无效的类型比较＆＃34;）TypeError：无效的类型比较

代码将在volume = df_new['Volume'] == 'null'时有效，但这不会纠正数据，因为它是NaN，并且重新为0

Answer 1

使用replace替换null和fillna替换NaN和None s：

df['Volume'] = df['Volume'].replace('null', np.nan).fillna(0)

或者：

df['Volume'] = df['Volume'].replace('null', 0).fillna(0)

对于检测null或NaN，为按位|和括号添加or：

volume = (df_new['Volume'] == 'null') | (df_new['Volume'].isnull())

Python：Pandas导致无效的比较类型

1 个答案: