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:
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:
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: