Comment remplacer les valeurs NaN dans une colonne Pandas DataFrame ?

Remplacement des valeurs NaN dans une colonne DataFrame

Lorsque vous travaillez avec des DataFrames pandas, il est courant de rencontrer des valeurs manquantes représentées par NaN (pas un nombre). La gestion de ces valeurs est cruciale pour garantir une analyse précise des données et éviter les erreurs. Cet article fournit un guide complet sur la façon de remplacer les valeurs NaN dans une colonne DataFrame.

Contexte

Le DataFrame suivant contient une colonne nommée « Montant » avec des valeurs NaN :

       Date                  Amount
67    2012-09-30 00:00:00   65211
68    2012-09-09 00:00:00   29424
69    2012-09-16 00:00:00   29877
70    2012-09-23 00:00:00   30990
71    2012-09-30 00:00:00   61303
72    2012-09-09 00:00:00   71781
73    2012-09-16 00:00:00     NaN
74    2012-09-23 00:00:00   11072
75    2012-09-30 00:00:00  113702
76    2012-09-09 00:00:00   64731
77    2012-09-16 00:00:00     NaN

Utilisation de DataFrame.fillna() ou Series.fillna()

La méthode la plus simple pour remplacer les valeurs NaN consiste à utiliser la méthode fillna(). Il permet de spécifier une valeur ou une fonction pour remplir les données manquantes :

df['Amount'] = df['Amount'].fillna(0)

Cela remplacera toutes les valeurs NaN dans la colonne "Montant" par 0.

Remplir les valeurs NaN avec Valeurs spécifiques

Pour remplir les valeurs NaN avec des valeurs spécifiques, utilisez :

df['Amount'].fillna({NaN: 100})

Cela remplacera les valeurs NaN par 100.

Remplir les valeurs NaN en fonction d'autres colonnes

Vous pouvez également remplir les valeurs NaN en fonction des valeurs d'autres colonnes :

df['Amount'].fillna(df['Amount'].mean())

Cela remplira les valeurs NaN avec le valeur moyenne de la colonne "Montant".

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!