在Pandas数据框架中创建NaN值的方法

在 Pandas 数据框架中，NaN 表示缺失值。可以通过不同的方式将 NaN 插入到 DataFrame 中。

以下是在 Pandas 中创建 NaN 值的几种方式：

创建空数据框

可以使用 Pandas 的 DataFrame 函数，创建无数据的空数据框，然后将值都设置为 NaN。

import pandas as pd

# 创建一个空的数据框
df = pd.DataFrame()

# 添加一列并将值都设置为 NaN
df['A'] = pd.Series([float('NaN') for x in range(10)])

上述代码会创建一个空的数据框，并添加一列，将值都设置为 NaN。

通过 None 值创建 NaN

可以使用 None 值创建 NaN。这是在 Pandas 中常用的方法之一。

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [4, None, None, 2],
    'C': [2, None, 5, 6]
})

# 将 None 值替换成 NaN
df.fillna(value=pd.np.nan, inplace=True)

上述代码将数据包含 None 值的数据框，使用 fillna 函数中的 value 参数，将所有 None 值替换成 NaN 值。

通过 numpy 创建 NaN

使用 numpy 的 NaN 常量创建 NaN 值也是一种有效的方法。

import pandas as pd
import numpy as np

# 创建一个数据框，并添加 NaN 值
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [4, np.nan, np.nan, 2],
    'C': [2, np.nan, 5, 6]
})

上述代码将创建一个数据框，并添加 NaN 值。在此示例中，使用了 numpy 中的 NaN 常量，也可以通过其他方式从 numpy 中获取 NaN 常量。

以上就是在 Pandas 中创建 NaN 值的方法及其示例，希望能对你有所帮助。