如何在熊猫数据框架的一列中用零替换NaN值?

我有一个熊猫数据框架如下:

      itm Date                  Amount 
67    420 2012-09-30 00:00:00   65211
68    421 2012-09-09 00:00:00   29424
69    421 2012-09-16 00:00:00   29877
70    421 2012-09-23 00:00:00   30990
71    421 2012-09-30 00:00:00   61303
72    485 2012-09-09 00:00:00   71781
73    485 2012-09-16 00:00:00     NaN
74    485 2012-09-23 00:00:00   11072
75    485 2012-09-30 00:00:00  113702
76    489 2012-09-09 00:00:00   64731
77    489 2012-09-16 00:00:00     NaN

当我尝试应用一个函数到金额列，我得到以下错误:

ValueError: cannot convert float NaN to integer

我尝试使用数学模块中的.isnan应用一个函数我已经尝试了pandas .replace属性我尝试了pandas 0.9中的.sparse data属性我还尝试了在函数中if NaN == NaN语句。我也看了这篇文章我如何替换NA值与零在一个R数据框架?同时看一些其他的文章。我尝试过的所有方法都不起作用或不能识别NaN。任何提示或解决方案将不胜感激。

当前回答

填补缺失值的简单方法:-

填充字符串列:当字符串列有缺失值和NaN值时。

df['string column name'].fillna(df['string column name'].mode().values[0], inplace = True)

填充数字列:当数字列有缺失值和NaN值时。

df['numeric column name'].fillna(df['numeric column name'].mean(), inplace = True)

用零填充NaN:

df['column name'].fillna(0, inplace = True)

2018-07-07 18:31:36

其他回答

如果你想为一个特定的列填充NaN，你可以使用loc:

d1 = {"Col1" : ['A', 'B', 'C'],
     "fruits": ['Avocado', 'Banana', 'NaN']}
d1= pd.DataFrame(d1)

output:

Col1    fruits
0   A   Avocado
1   B   Banana
2   C   NaN


d1.loc[ d1.Col1=='C', 'fruits' ] =  'Carrot'


output:

Col1    fruits
0   A   Avocado
1   B   Banana
2   C   Carrot

2020-11-07 19:03:05

下面的代码适合我。

import pandas

df = pandas.read_csv('somefile.txt')

df = df.fillna(0)

2016-09-13 20:59:31

您还可以使用字典来填充DataFrame中特定列的NaN值，而不是用一些oneValue填充所有DF。

import pandas as pd

df = pd.read_excel('example.xlsx')
df.fillna( {
        'column1': 'Write your values here',
        'column2': 'Write your values here',
        'column3': 'Write your values here',
        'column4': 'Write your values here',
        .
        .
        .
        'column-n': 'Write your values here'} , inplace=True)

2019-07-16 20:02:37

我只是想提供一点更新/特殊情况，因为看起来人们仍然来这里。如果您正在使用多索引或其他索引切片器，inplace=True选项可能不足以更新您所选择的切片。例如，在2x2级别的多索引中，这不会改变任何值(例如pandas 0.15):

idx = pd.IndexSlice
df.loc[idx[:,mask_1],idx[mask_2,:]].fillna(value=0,inplace=True)

“问题”是链接破坏了fillna更新原始数据框架的能力。我把“问题”加上引号，是因为在某些情况下，设计决策导致不通过这些链进行解释是有充分理由的。此外，这是一个复杂的示例(尽管我真的遇到了它)，但同样的情况可能适用于更少的索引级别，这取决于您如何进行切片。

解决方案是DataFrame.update:

df.update(df.loc[idx[:,mask_1],idx[[mask_2],:]].fillna(value=0))

它是一行，读起来相当好(某种程度上)，并消除了任何不必要的中间变量或循环混乱，同时允许您将fillna应用到您喜欢的任何多级切片!

如果有人能找到这个不工作的地方，请在评论中发帖，我一直在搞砸它，看看源代码，它似乎至少解决了我的多索引切片问题。

2015-06-02 05:13:34