NaN reiškia Not A Number ir yra vienas iš įprastų būdų, kaip pateikti trūkstamą duomenų reikšmę. Tai speciali slankiojo kablelio reikšmė ir jos negalima konvertuoti į jokį kitą tipą, išskyrus slankiojo kablelio reikšmę. NaN vertė yra viena iš pagrindinių problemų
Metodai, kaip pakeisti NaN reikšmes nuliais Pandas DataFrame
Į Python , yra du metodai, kuriais Pandas duomenų rėmelyje galime pakeisti NaN reikšmes nuliais. Jie yra tokie:
Pakeiskite NaN reikšmes nuliais naudodami Pandas fillna ()
Funkcija fillna() naudojama užpildyti NA/NaN reikšmes naudojant nurodytą metodą. Kad geriau suprastume, pažiūrėkime kelis pavyzdžius.
Pakeiskite NaN reikšmes nuliais stulpelyje naudodami Pandas fillna()
Sintaksė, skirta NaN reikšmių pakeitimui nuliais vieno stulpelio Pandas duomenų rėmelyje naudojant fillna() funkciją, yra tokia:
Syntax: df['DataFrame Column'] = df['DataFrame Column'].fillna(0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Set_of_Numbers'>: [>2>,>3>,>5>,>7>,>11>,>13>,> >np.nan,>19>,>23>, np.nan]}> # Create the dataframe> df>=> pd.DataFrame(nums, columns>=>[>'Set_of_Numbers'>])> # Apply the function> df[>'Set_of_Numbers'>]>=> df[>'Set_of_Numbers'>].fillna(>0>)> # print the DataFrame> df> |
101 mln
>
>
Išvestis:
fillna (), kad pakeistų NaN viename stulpelyje
fmovies
Pakeiskite NaN reikšmes nuliais visame stulpelyje naudodami Pandas fillna()
Sintaksė, skirta pakeisti NaN reikšmes nuliais visame Pandas duomenų rėmelyje, naudojant funkciją fillna () yra tokia:
Syntax: df.fillna(0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Number_set_1'>: [>0>,>1>,>1>,>2>,>3>,>5>, np.nan,> >13>,>21>, np.nan],> >'Number_set_2'>: [>3>,>7>, np.nan,>23>,>31>,>41>,> >np.nan,>59>,>67>, np.nan],> >'Number_set_3'>: [>2>,>3>,>5>, np.nan,>11>,>13>,>17>,> >19>,>23>, np.nan]}> # Create the dataframe> df>=> pd.DataFrame(nums)> # Apply the function> df>=> df.fillna(>0>)> # print the DataFrame> df> |
>
>
Išvestis:
Funkcija fillna () pakeisti NaN visame duomenų rėmelyje
eilutę į json java
Pakeiskite NaN reikšmes nuliais naudodami NumPy change()
The dataframe.replace() funkcija Pandas gali būti apibrėžta kaip paprastas metodas, naudojamas pakeisti a styga , reguliarioji išraiška , sąrašą , žodynas ir tt DataFrame.
Pakeiskite NaN reikšmes nuliais stulpelyje naudodami NumPy change()
Sintaksė, skirta NaN reikšmių pakeitimui nuliais vieno stulpelio Pandas duomenų rėmelyje naudojant funkciją pakeisti () yra tokia:
Syntax: df['DataFrame Column'] = df['DataFrame Column'].replace(np.nan, 0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Car Model Number'>: [>223>, np.nan,>237>,>195>, np.nan,> >575>,>110>,>313>, np.nan,>190>,>143>,> >np.nan],> >'Engine Number'>: [>4511>, np.nan,>7570>,>1565>,>1450>,>3786>,> >2995>,>5345>,>7777>,>2323>,>2785>,>1120>]}> # Create the dataframe> df>=> pd.DataFrame(nums, columns>=>[>'Car Model Number'>])> # Apply the function> df[>'Car Model Number'>]>=> df[>'Car Model Number'>].replace(np.nan,>0>)> # print the DataFrame> df> |
>
>
Išvestis:
pakeisti (), kad pakeistumėte NaN viename stulpelyje
Pakeiskite NaN reikšmes nuliais visam duomenų rėmeliui naudodami NumPy change()
Sintaksė, skirta NaN reikšmėms pakeisti viso naudojamo Pandas duomenų rėmelio nuliais pakeisti () funkciją yra taip:
Syntax: df.replace(np.nan, 0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Student Name'>: [>'Shrek'>,>'Shivansh'>,>'Ishdeep'>,> >'Siddharth'>,>'Nakul'>,>'Prakhar'>,> >'Yash'>,>'Srikar'>,>'Kaustubh'>,> >'Aditya'>,>'Manav'>,>'Dubey'>],> >'Roll No.'>: [>18229>,>18232>, np.nan,>18247>,>18136>,> >np.nan,>18283>,>18310>,>18102>,>18012>,> >18121>,>18168>],> >'Subject ID'>: [>204>, np.nan,>201>,>105>, np.nan,>204>,> >101>,>101>, np.nan,>165>,>715>, np.nan],> >'Grade Point'>: [>9>, np.nan,>7>, np.nan,>8>,>7>,>9>,>10>,> >np.nan,>9>,>6>,>8>]}> # Create the dataframe> df>=> pd.DataFrame(nums)> # Apply the function> df>=> df.replace(np.nan,>0>)> # print the DataFrame> df> |
>
>
grąžinimo tipas java
Išvestis:
„replace()“ funkcija, pakeičianti NaN visame duomenų rėmelyje