Pandas 将 NA 替换为 0 - Python

Pandas 是 Python 编程语言的一个强大库，主要用于数据分析和数据处理。在数据处理中，缺失值（缺少数据的值）通常标记为 NA 或 NaN。在某些情况下，我们需要将 NA 替换为特定的值。Pandas 提供了一个 fillna() 函数，可以用于替换缺失值。

使用 fillna() 函数将 NA 替换为 0

下面是使用 fillna() 函数将缺失值替换为 0 的示例代码：

import pandas as pd

# 创建一个包含缺失值的 DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

# 将缺失值替换为 0
df.fillna(0, inplace=True)

# 打印 DataFrame
print(df)

输出：

     A    B
0  1.0  5.0
1  2.0  0.0
2  0.0  7.0
3  4.0  8.0

在上面的示例代码中，我们首先创建了一个包含缺失值的 DataFrame。然后，我们使用 fillna() 函数将缺失值替换为 0。其中，fillna() 函数的第一个参数是要用来替换缺失值的值，第二个参数 inplace 的值为 True，表示在原 DataFrame 上进行替换。

将某列中的 NA 替换为 0

在实际情况中，我们有时只需要将某列中的缺失值替换为特定的值，可以使用 fillna() 函数的 subset 参数和 inplace 参数来实现。下面是一个示例代码：

import pandas as pd

# 创建一个包含缺失值的 DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

# 将列 B 中的缺失值替换为 0
df['B'].fillna(0, inplace=True)

# 打印 DataFrame
print(df)

输出：

     A    B
0  1.0  5.0
1  2.0  0.0
2  NaN  7.0
3  4.0  8.0

在上面的示例代码中，我们首先创建了一个包含缺失值的 DataFrame。然后，我们使用 fillna() 函数的 subset 参数，指定要替换缺失值的列，即 'B'。然后我们使用 inplace 参数，在原 DataFrame 上进行替换。

将 DataFrame 中的所有 NA 替换为 0

如果我们需要将 DataFrame 中的所有缺失值替换为特定的值，可以将 fillna() 函数应用于整个 DataFrame。下面是一个示例代码：

import pandas as pd

# 创建一个包含缺失值的 DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

# 将 DataFrame 中的缺失值替换为 0
df.fillna(0, inplace=True)

# 打印 DataFrame
print(df)

输出：

     A    B
0  1.0  5.0
1  2.0  0.0
2  0.0  7.0
3  4.0  8.0

在上面的示例代码中，我们首先创建了一个包含缺失值的 DataFrame。然后，我们使用 fillna() 函数将整个 DataFrame 中的缺失值替换为 0。然后我们使用 inplace 参数，在原 DataFrame 上进行替换。

结论

本文介绍了如何使用 Pandas 将缺失值替换为特定的值。使用 fillna() 函数，我们可以轻松地将缺失值替换为 0 或其他特定的值。