Pandas replace None and NaN

在数据清洗与数据分析过程中，常常会遇到None和NaN这两种特殊值。在Python中，None表示空值，NaN则表示不是一个数。Pandas提供了一系列函数来处理这些特殊值。

replace函数

DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad')

该函数可将DataFrame中指定的特定值或者类型进行替换。

• to_replace：被替换的内容。
• value：替换后的值。
• inplace：是否在原DataFrame中进行替换。
• limit：可以指定最多替换的个数。
• regex：是否使用正则表达式。
• method：当to_replace和value是列表时，用于指定处理的方式。方法有'pad'、'backfill'和'nearest'。

import pandas as pd

df = pd.DataFrame({'A': [1, None, 3], 'B': ['a', 'b', None]})

df.replace(None, 0, inplace=True)
df.replace('b', 'new_value', inplace=True)

print(df)

输出结果为：

   A          B
0  1          a
1  0  new_value
2  3       None

在上述例子中，我们先将DataFrame中的None替换为0，然后再将B列中的b替换为new_value。

fillna函数

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

该函数可将DataFrame中的NaN替换为指定的值。

• value：替换后的值。
• method：用于对NaN进行填充的方式，可选'ffill'和'bfill'，即向前填充和向后填充。
• axis：指定填充的方向，可选值为0和1，0表示沿着行填充，1表示沿着列填充。
• inplace：是否在原DataFrame中进行替换。
• limit：可以指定最多替换的个数。
• downcast：用于降低填充后的数据类型。

import pandas as pd

df = pd.DataFrame({'A': [1, None, 3], 'B': ['a', 'b', None]})

df.fillna(0, inplace=True)

print(df)

输出结果为：

   A  B
0  1  a
1  0  b
2  3  0

在上述例子中，我们先将DataFrame中的NaN替换为0，这里使用了fillna函数，将NaN替换为0，并将替换后的结果存储到原变量中。