如何替换dataframe中的nan？

最新推荐文章于 2024-08-13 04:10:53 发布

清萝卜头

最新推荐文章于 2024-08-13 04:10:53 发布

阅读量3.4w

点赞数 18

分类专栏： python 文章标签： nan dataframe numpy.nan

本文链接：https://blog.csdn.net/xiaoQL520/article/details/104054464

版权

在数据清洗中，常需要处理DataFrame中的缺失值（nan）。本文介绍了使用fillna()、applymap()和where()三种方法来替换DataFrame中的nan，并通过测试数据进行分析。fillna()需要指定填充值，但object类型可能无效；applymap()仅对字符串类型生效；where()允许自定义条件，但数据类型处理需谨慎。

摘要由CSDN通过智能技术生成

在做数据清洗等工作时，必不可少的环节就是缺失值处理。在采用pandas读取或处理数据时，dataframe的缺失值默认是用nan填充的。但大多数情况下，我们需要的是None或者Null值而不是nan.所以，如何替换dataframe中的nan呢？

替换nan的方法有很多，本文总结了三个方法。dataframe.fillna()方法，dataframe.applymap()以及dataframe.where()方法。本文通过测试数据对每个方法进行分析。最终选择使用哪个方法可结合本文的分析，根据真实场景进行取舍。

1.准备测试数据

types = {'name': str, 'cost': float, 'age': float, 'phone': str}
# 注意age不能指定为int类型，
# 指定类型读取数据
data = pd.read_excel('../../test.xlsx', sheet_name='Sheet1', header=0, dtype=types)
#查看数据
print(data)
# 查看每列的数据类型
print(data.dtypes)

注意：age列中含有缺失值，所以不能指定为int型，否则会报错：ValueError: Unable to convert column age to type <class 'int'>

输出结果：