如何在python中处理NaN值?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
如下所示:
python 设置值 import pandas as pd import numpy as np dates = pd.date_range('20180101',periods=6) df = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['A','B','C','D']) print(df)
A B C D 2018-01-01 0 1 2 3 2018-01-02 4 5 6 7 2018-01-03 8 9 10 11 2018-01-04 12 13 14 15 2018-01-05 16 17 18 19 2018-01-06 20 21 22 23
df.loc['20180102','A'] = 1111 print(df)
A B C D 2018-01-01 0 1 2 3 2018-01-02 1111 5 6 7 2018-01-03 8 9 10 11 2018-01-04 12 13 14 15 2018-01-05 16 17 18 19 2018-01-06 20 21 22 23
df.iloc[2,2] = 2222 print(df)
A B C D 2018-01-01 0 1 2 3 2018-01-02 1111 5 6 7 2018-01-03 8 9 2222 11 2018-01-04 12 13 14 15 2018-01-05 16 17 18 19 2018-01-06 20 21 22 23
df[df.A>12]=0 #修改df数据中符合条件的所有值 print(df)
A B C D 2018-01-01 0 1 2 3 2018-01-02 0 0 0 0 2018-01-03 8 9 2222 11 2018-01-04 12 13 14 15 2018-01-05 0 0 0 0 2018-01-06 0 0 0 0
df.A[df.A<4]=11 #修改df数据中A列符合条件的所有值 print(df)
A B C D 2018-01-01 11 1 2 3 2018-01-02 11 0 0 0 2018-01-03 8 9 2222 11 2018-01-04 12 13 14 15 2018-01-05 11 0 0 0 2018-01-06 11 0 0 0
df['F'] = np.nan print(df)
A B C D F 2018-01-01 11 1 2 3 NaN 2018-01-02 11 0 0 0 NaN 2018-01-03 8 9 2222 11 NaN 2018-01-04 12 13 14 15 NaN 2018-01-05 11 0 0 0 NaN 2018-01-06 11 0 0 0 NaN
print(np.any(df.isnull())== True) #isnull检测是否含有NaN值,有就返回True。np.any()检测df数据中是否含有等于Ture的值
True
NaN值填充:print(df.fillna(value=0))
python常用的库:1.requesuts;2.scrapy;3.pillow;4.twisted;5.numpy;6.matplotlib;7.pygama;8.ipyhton等。
关于如何在python中处理NaN值问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注亿速云行业资讯频道了解更多相关知识。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。