NaN står for Not A Number og er en af de almindelige måder at repræsentere den manglende værdi i dataene. Det er en speciel floating-point-værdi og kan ikke konverteres til nogen anden type end float. NaN-værdi er et af de største problemer i
Metoder til at erstatte NaN-værdier med nuller i Pandas DataFrame
I Python, der er to metoder, hvormed vi kan erstatte NaN-værdier med nuller i Pandas dataramme. De er som følger:
Erstat NaN-værdier med nuller ved hjælp af Pandas fillna()
Funktionen fillna() bruges til at udfylde NA/NaN-værdier ved hjælp af den angivne metode. Lad os se et par eksempler for en bedre forståelse.
Erstat NaN-værdier med nuller for en kolonne ved hjælp af Pandas fillna()
Syntaks til at erstatte NaN-værdier med nuller i en enkelt kolonne i Pandas dataramme ved hjælp af fillna()-funktionen er som følger:
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> |
js udskiftning
>
>
Produktion:
fillna() for at erstatte NaN for en enkelt kolonne
Erstat NaN-værdier med nuller for en hel kolonne ved hjælp af Pandas fillna()
Syntaksen til at erstatte NaN-værdier med nuller for hele Pandas-datarammen ved hjælp af fillna()-funktionen er som følger:
primær nøgle sammensat nøgle
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> |
>
>
Produktion:
fillna() funktion til at erstatte NaN for hele datarammen
Erstat NaN-værdier med nuller ved hjælp af NumPy replace()
Det dataframe.replace() funktion i Pandas kan defineres som en simpel metode, der bruges til at erstatte en snor , regex , liste , ordbog osv. i en DataFrame.
Erstat NaN-værdier med nuller for en kolonne ved hjælp af NumPy replace()
Syntaks til at erstatte NaN-værdier med nuller i en enkelt kolonne i Pandas dataramme ved hjælp af replace()-funktionen er som følger:
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> |
java strenge
>
>
Produktion:
replace() for at erstatte NaN for en enkelt kolonne
Erstat NaN-værdier med nuller for en hel dataramme ved hjælp af NumPy replace()
Syntaks til at erstatte NaN-værdier med nuller for hele Pandas-datarammen ved hjælp af replace() funktion er som følgende:
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> |
>
>
window.open javascript
Produktion:
replace() funktion til at erstatte NaN for hele datarammen