在Pandas中,我们可以用fillna()函数将NaN填充为任何值,包括空白或空字符串。具体步骤如下:
首先,导入Pandas库:
import pandas as pd
接着,创建一个数据表,其中有一些NaN值:
data = {'A': [1, 2, 3, np.nan, 5], 'B': [6, np.nan, 8, np.nan, 10]}
df = pd.DataFrame(data)
现在,数据表如下所示:
A | B | |
---|---|---|
0 | 1 | 6 |
1 | 2 | NaN |
2 | 3 | 8 |
3 | NaN | NaN |
4 | 5 | 10 |
我们可以使用fillna函数将NaN值替换为空白或空字符串,代码如下:
df.fillna('', inplace=True)
其中,参数inplace=True表示我们修改原数据表,否则不会有任何变化。
现在,数据表已经如下所示:
A | B | |
---|---|---|
0 | 1 | 6 |
1 | 2 | |
2 | 3 | 8 |
3 | ||
4 | 5 | 10 |
我们也可以使用df.replace()函数将NaN值替换为空白或空字符串,如下所示:
df.replace({np.nan: '', None: ''}, inplace=True)
这个函数用什么代替NaN需要在其参数中指定,参数np.nan用于代替实际NaN,参数None用于代替None值。
现在,我们已经成功将NaN替换为空白或空字符串,数据表如下所示:
A | B | |
---|---|---|
0 | 1 | 6 |
1 | 2 | |
2 | 3 | 8 |
3 | ||
4 | 5 | 10 |
总之,使用fillna()或replace()函数来将NaN替换为空白或空字符串是一项非常简单的任务,这些函数使数据清洗过程更简单和高效。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:在Pandas中用空白或空字符串替换NaN - Python技术站