如何在 pandas 中将 nan 值替换为 0 - Python

在数据分析中，经常需要对缺失值（nan）进行处理，常见的一种方式是将其替换为指定的数值，例如 0。本文将介绍如何在 pandas 中使用 fillna() 函数将 nan 值替换为 0。

生成示例数据

为了演示如何使用 fillna() 函数将 nan 值替换为 0，我们先生成一个包含 nan 值的 DataFrame。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})
print(df)

输出结果如下：

     A    B     C
0  1.0  5.0   9.0
1  2.0  NaN  10.0
2  NaN  7.0  11.0
3  4.0  8.0   NaN

使用 fillna() 函数替换 nan 值

接下来，我们使用 fillna() 函数将 DataFrame 中的 nan 值替换为 0。

df.fillna(0, inplace=True)
print(df)

输出结果如下：

     A    B     C
0  1.0  5.0   9.0
1  2.0  0.0  10.0
2  0.0  7.0  11.0
3  4.0  8.0   0.0

fillna() 函数参数说明

fillna() 函数的参数说明如下：

• value: 指定用来替换缺失值（nan）的数值；
• method: 指定用来替换缺失值的函数。例如，使用前面出现的非缺失值进行替换；
• axis: 指定沿着行（axis=0）或列（axis=1）方向进行替换；
• inplace: 是否在原始 DataFrame 上进行替换操作。

小结

本文介绍了如何在 pandas 中使用 fillna() 函数将 nan 值替换为指定的数值。在实际的数据分析中，根据具体情况可以采用不同的替换方式。