Pandas NAN 补0，批量操作

Pandas NAN 补0，批量操作

在Pandas中，如果你想将DataFrame中的NaN（缺失值）替换为0，你可以使用fillna()方法。这个方法非常灵活，允许你以多种方式填充缺失值。以下是一个简单的例子，展示了如何批量将DataFrame中的所有NaN值替换为0。

首先，导入Pandas库并创建一个包含NaN值的示例DataFrame：

import pandas as pd
import numpy as np

# 创建一个包含NaN值的DataFrame
df = pd.DataFrame({
    'A': [1, 2, np.nan],
    'B': [4, np.nan, 6],
    'C': [7, 8, 9]
})

print("原始DataFrame:")
print(df)

现在，使用fillna()方法将所有NaN值替换为0：

# 使用fillna方法将所有NaN值替换为0
df_filled = df.fillna(0)

print("填充后的DataFrame:")
print(df_filled)

如果你想在原地修改DataFrame而不是创建一个新的DataFrame，你可以使用inplace参数：

# 在原地将所有NaN值替换为0
df.fillna(0, inplace=True)

print("原地填充后的DataFrame:")
print(df)

请注意，fillna()方法默认返回一个新的DataFrame，除非你设置了inplace=True，在这种情况下，它会修改原始DataFrame。

此外，fillna()方法还有其他参数和选项，允许你以更复杂的方式填充缺失值，例如使用前一个或后一个有效值进行填充（通过method参数设置为'ffill'或'bfill'）。但在本例中，我们只需要将所有NaN替换为0，所以直接传递0作为fillna()方法的参数就足够了。