Bagaimana untuk Menggantikan Nilai NaN dalam Lajur Pandas DataFrame?

Menggantikan Nilai NaN dalam Lajur DataFrame

Apabila bekerja dengan DataFrames panda, adalah perkara biasa untuk menemui nilai yang tiada yang diwakili sebagai NaN (Bukan Nombor). Mengendalikan nilai ini adalah penting untuk memastikan analisis data yang tepat dan mengelakkan ralat. Artikel ini menyediakan panduan komprehensif tentang cara menggantikan nilai NaN dalam lajur DataFrame.

Latar Belakang

DataFrame berikut mengandungi lajur bernama "Amount" dengan beberapa nilai 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

Menggunakan DataFrame.fillna() atau Series.fillna()

Yang paling banyak kaedah mudah untuk menggantikan nilai NaN menggunakan kaedah fillna(). Ia membolehkan anda menentukan nilai atau fungsi untuk mengisi data yang hilang:

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

Ini akan menggantikan semua nilai NaN dalam lajur "Jumlah" dengan 0.

Mengisi Nilai NaN dengan Nilai Khusus

Untuk mengisi nilai NaN dengan nilai khusus, gunakan:

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

Ini akan menggantikan nilai NaN dengan 100.

Mengisi Nilai NaN Berdasarkan Lajur Lain

Anda juga boleh mengisi nilai NaN berdasarkan nilai dalam lajur lain:

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

Ini akan isikan nilai NaN dengan nilai min lajur "Amaun".

Atas ialah kandungan terperinci Bagaimana untuk Menggantikan Nilai NaN dalam Lajur Pandas DataFrame?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!