NaN staat voor Not A Number en is een van de gebruikelijke manieren om de ontbrekende waarde in de gegevens weer te geven. Het is een speciale drijvende-kommawaarde en kan niet worden geconverteerd naar een ander type dan float. De NaN-waarde is een van de grootste problemen bij
Methoden om NaN-waarden te vervangen door nullen in Pandas DataFrame
In Python zijn er twee methoden waarmee we NaN-waarden kunnen vervangen door nullen in het Pandas-dataframe. Ze zijn als volgt:
Vervang NaN-waarden door nullen met Pandas fillna()
De functie fillna() wordt gebruikt om NA/NaN-waarden te vullen met behulp van de opgegeven methode. Laten we een paar voorbeelden bekijken voor een beter begrip.
Vervang NaN-waarden door nullen voor een kolom met Pandas fillna()
De syntaxis voor het vervangen van NaN-waarden door nullen van een enkele kolom in het Pandas-dataframe met behulp van de functie fillna() is als volgt:
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> |
q4 maanden
>
>
Uitgang:
fillna() om NaN voor een enkele kolom te vervangen
Vervang NaN-waarden door nullen voor een hele kolom met Pandas fillna()
De syntaxis voor het vervangen van NaN-waarden door nullen van het hele Pandas-dataframe met behulp van de functie fillna() is als volgt:
powershell-beheerder
Syntax: df.fillna(0)>
Python3
# 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> |
>
>
Uitgang:
fillna() functie om NaN voor het hele dataframe te vervangen
Vervang NaN-waarden door nullen met behulp van NumPy Replace()
De dataframe.replace() functie in Pandas kan worden gedefinieerd als een eenvoudige methode die wordt gebruikt om a snaar , regex , lijst , woordenboek , enz. in een DataFrame.
Vervang NaN-waarden door nullen voor een kolom met behulp van NumPy Replace()
json-bestand
De syntaxis voor het vervangen van NaN-waarden door nullen van een enkele kolom in het Pandas-dataframe met behulp van de functie Replace() is als volgt:
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> |
>
>
Uitgang:
Replace() om NaN voor een enkele kolom te vervangen
Vervang NaN-waarden door nullen voor een volledig dataframe met behulp van NumPy Replace()
Syntaxis om NaN-waarden te vervangen door nullen van het hele Pandas-dataframe vervangen() functie is als volgt:
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> |
>
>
Java-lijst naar array
Uitgang:
Replace() functie om NaN voor het hele dataframe te vervangen