建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
在Python的數(shù)據(jù)分析庫(kù)pandas中，NaN（Not a Number）是一個(gè)特殊的浮點(diǎn)值，用于表示缺失或不可用的數(shù)據(jù)，在處理數(shù)據(jù)時(shí)，我們經(jīng)常需要將某些值賦為NaN，以便在后續(xù)的數(shù)據(jù)處理和分析中進(jìn)行處理，本文將詳細(xì)介紹如何在pandas中賦值NaN。
建網(wǎng)站原本是網(wǎng)站策劃師、網(wǎng)絡(luò)程序員、網(wǎng)頁(yè)設(shè)計(jì)師等，應(yīng)用各種網(wǎng)絡(luò)程序開(kāi)發(fā)技術(shù)和網(wǎng)頁(yè)設(shè)計(jì)技術(shù)配合操作的協(xié)同工作。成都創(chuàng)新互聯(lián)公司專(zhuān)業(yè)提供網(wǎng)站設(shè)計(jì)制作、成都做網(wǎng)站,網(wǎng)頁(yè)設(shè)計(jì),網(wǎng)站制作(企業(yè)站、響應(yīng)式網(wǎng)站開(kāi)發(fā)、電商門(mén)戶網(wǎng)站)等服務(wù),從網(wǎng)站深度策劃、搜索引擎友好度優(yōu)化到用戶體驗(yàn)的提升,我們力求做到極致!
1、使用pd.NA或pd.NaT賦值NaN
在pandas中，可以使用pd.NA或pd.NaT來(lái)賦值NaN，這兩個(gè)常量分別表示浮點(diǎn)數(shù)類(lèi)型的NaN和時(shí)間序列類(lèi)型的NaN。
import pandas as pd
創(chuàng)建一個(gè)DataFrame
data = {'A': [1, 2, 3], 'B': [4, pd.NA, 6]}
df = pd.DataFrame(data)
使用pd.NA賦值NaN
df['C'] = [7, pd.NA, 9]
print(df)
輸出結(jié)果：
A B C 0 1 4.0 7.0 1 2 NaN NaN 2 3 6.0 9.0
2、使用布爾索引賦值NaN
我們還可以使用布爾索引來(lái)將DataFrame中的特定行或列賦值為NaN，我們可以將列’B’中值為4的行賦值為NaN：
import pandas as pd
創(chuàng)建一個(gè)DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
使用布爾索引賦值NaN
df.loc[df['B'] == 4, 'B'] = pd.NA
print(df)
輸出結(jié)果：
A B 0 1 4.0 1 2 5.0 2 3 6.0
3、使用applymap()函數(shù)賦值NaN
applymap()函數(shù)可以對(duì)DataFrame中的每個(gè)元素應(yīng)用指定的函數(shù)，我們可以使用這個(gè)函數(shù)來(lái)將DataFrame中的每個(gè)元素賦值為NaN。
import pandas as pd
import numpy as np
創(chuàng)建一個(gè)DataFrame
data = {'A': [1, 2, 3], 'B': [4, np.nan, 6]}
df = pd.DataFrame(data)
使用applymap()函數(shù)賦值NaN
df_nan = df.applymap(lambda x: pd.NA if pd.isna(x) else x)
print(df_nan)
輸出結(jié)果：
A B C D F G H J K L M N O P Q R S T U V W X Y Z
0 1.0 4.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1
新聞標(biāo)題：pandas賦值nan
文章出自：http://www.5511xx.com/article/dhjjese.html
