NaN apzīmē Not A Number un ir viens no izplatītākajiem veidiem, kā attēlot datos trūkstošo vērtību. Tā ir īpaša peldošā komata vērtība, un to nevar konvertēt uz citu veidu kā tikai peldošā komata vērtība. NaN vērtība ir viena no galvenajām problēmām
Metodes NaN vērtību aizstāšanai ar nullēm Pandas DataFrame
In Python, ir divas metodes, ar kurām mēs varam aizstāt NaN vērtības ar nullēm Pandas datu ietvarā. Tie ir šādi:
Aizstāt NaN vērtības ar nullēm, izmantojot Pandas fillna()
Funkciju fillna() izmanto, lai aizpildītu NA/NaN vērtības, izmantojot norādīto metodi. Apskatīsim dažus piemērus labākai izpratnei.
Aizstāt NaN vērtības ar nullēm kolonnā, izmantojot Pandas fillna()
Sintakse NaN vērtību aizstāšanai ar vienas kolonnas nullēm Pandas datu ietvarā, izmantojot funkciju fillna(), ir šāda:
Syntax: df['DataFrame Column'] = df['DataFrame Column'].fillna(0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Set_of_Numbers'>: [>2>,>3>,>5>,>7>,>11>,>13>,> >np.nan,>19>,>23>, np.nan]}> # Create the dataframe> df>=> pd.DataFrame(nums, columns>=>[>'Set_of_Numbers'>])> # Apply the function> df[>'Set_of_Numbers'>]>=> df[>'Set_of_Numbers'>].fillna(>0>)> # print the DataFrame> df> |
java komentāri
>
>
Izvade:
fillna (), lai aizstātu NaN vienā kolonnā
Aizstāt NaN vērtības ar nullēm visai kolonnai, izmantojot Pandas fillna()
Sintakse, lai NaN vērtības aizstātu ar nullēm visā Pandas datu ietvarā, izmantojot funkciju fillna(), ir šāda:
Syntax: df.fillna(0)>
Python3
numpy dot produkts
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Number_set_1'>: [>0>,>1>,>1>,>2>,>3>,>5>, np.nan,> >13>,>21>, np.nan],> >'Number_set_2'>: [>3>,>7>, np.nan,>23>,>31>,>41>,> >np.nan,>59>,>67>, np.nan],> >'Number_set_3'>: [>2>,>3>,>5>, np.nan,>11>,>13>,>17>,> >19>,>23>, np.nan]}> # Create the dataframe> df>=> pd.DataFrame(nums)> # Apply the function> df>=> df.fillna(>0>)> # print the DataFrame> df> |
>
>
Izvade:
fillna() funkcija, lai aizstātu NaN visam datu kadram
Aizstāt NaN vērtības ar nullēm, izmantojot NumPy aizstāt ()
The dataframe.replace() funkciju Pandas var definēt kā vienkāršu metodi, ko izmanto, lai aizstātu a virkne , regex , sarakstu , vārdnīca utt. DataFrame.
Aizstāt NaN vērtības ar nullēm kolonnā, izmantojot NumPy aizstāt()
Sintakse NaN vērtību aizstāšanai ar vienas kolonnas nullēm Pandas datu ietvarā, izmantojot funkciju aizstāt () ir šāda:
atšķirība starp masīvu un masīvu sarakstu
Syntax: df['DataFrame Column'] = df['DataFrame Column'].replace(np.nan, 0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Car Model Number'>: [>223>, np.nan,>237>,>195>, np.nan,> >575>,>110>,>313>, np.nan,>190>,>143>,> >np.nan],> >'Engine Number'>: [>4511>, np.nan,>7570>,>1565>,>1450>,>3786>,> >2995>,>5345>,>7777>,>2323>,>2785>,>1120>]}> # Create the dataframe> df>=> pd.DataFrame(nums, columns>=>[>'Car Model Number'>])> # Apply the function> df[>'Car Model Number'>]>=> df[>'Car Model Number'>].replace(np.nan,>0>)> # print the DataFrame> df> |
>
>
Izvade:
aizstāt(), lai aizstātu NaN vienā kolonnā
Aizstāt NaN vērtības ar nullēm visam datu kadram, izmantojot NumPy aizstāt()
Sintakse, lai aizstātu NaN vērtības ar nullēm visā Pandas datu ietvarā aizstāt() funkciju ir šāds:
Syntax: df.replace(np.nan, 0)>
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums>=> {>'Student Name'>: [>'Shrek'>,>'Shivansh'>,>'Ishdeep'>,> >'Siddharth'>,>'Nakul'>,>'Prakhar'>,> >'Yash'>,>'Srikar'>,>'Kaustubh'>,> >'Aditya'>,>'Manav'>,>'Dubey'>],> >'Roll No.'>: [>18229>,>18232>, np.nan,>18247>,>18136>,> >np.nan,>18283>,>18310>,>18102>,>18012>,> >18121>,>18168>],> >'Subject ID'>: [>204>, np.nan,>201>,>105>, np.nan,>204>,> >101>,>101>, np.nan,>165>,>715>, np.nan],> >'Grade Point'>: [>9>, np.nan,>7>, np.nan,>8>,>7>,>9>,>10>,> >np.nan,>9>,>6>,>8>]}> # Create the dataframe> df>=> pd.DataFrame(nums)> # Apply the function> df>=> df.replace(np.nan,>0>)> # print the DataFrame> df> |
>
>
kā izdzēst kolonnu postgresql
Izvade:
aizstāt() funkcija, lai aizstātu NaN visam datu kadram