📜  在 Pandas DataFrame 中创建 NaN 值的方法

📅  最后修改于: 2022-05-13 01:55:39.837000             🧑  作者: Mango

在 Pandas DataFrame 中创建 NaN 值的方法

让我们讨论在 Pandas Dataframe 中创建 NaN 值的方法。在 Pandas dataFrame 中有多种方法可以创建 NaN 值。那些是:

  • 使用 NumPy
  • 导入具有空白值的 csv 文件
  • 应用 to_numeric函数

方法一:使用 NumPy

Python3
import pandas as pd
import numpy as np
  
num = {'number': [1,2,np.nan,6,7,np.nan,np.nan]}
df = pd.DataFrame(num)
  
df


Python3
# import pandas
import pandas as pd
  
# read file
df = pd.read_csv("Book1.csv")
  
# print values
df


Python3
import pandas as pd
  
num = {'data': [1,"hjghjd",3,"jxsh"]}
df = pd.DataFrame(num)
  
# this will convert non-numeric 
# values into NaN values
df = pd.to_numeric(df["data"], errors='coerce')
  
df



输出:

熊猫-创建-nan-11

方法 2:导入具有空白实例的 CSV 文件

考虑以下名为“Book1.csv”的 csv 文件:


代码:

Python3

# import pandas
import pandas as pd
  
# read file
df = pd.read_csv("Book1.csv")
  
# print values
df


输出:

pandas-create-nan-2

您将获得空白实例的 Nan 值。

方法 3:应用 to_numeric函数

to_numeric函数将参数转换为数值类型。

例子:

Python3

import pandas as pd
  
num = {'data': [1,"hjghjd",3,"jxsh"]}
df = pd.DataFrame(num)
  
# this will convert non-numeric 
# values into NaN values
df = pd.to_numeric(df["data"], errors='coerce')
  
df

输出:

pandas-create-nan-4