pandas 保存nan原格式

pandas 保存nan原格式

在数据分析和处理过程中，经常会遇到缺失值的情况。在pandas库中，缺失值通常用NaN（Not a Number）来表示。然而，在将数据保存为文件时，有时候会遇到将NaN保存为其他格式（如NA）的问题。为了保持数据的一致性，我们希望保存的数据能够保留NaN的原始格式。本文将介绍如何使用pandas保存数据时保留NaN原格式的方法。

1. 保存为CSV文件

我们首先创建一个包含NaN值的DataFrame，并尝试将其保存为CSV文件：

import pandas as pd
import numpy as np

# 创建包含NaN值的DataFrame
df = pd.DataFrame({'A': [1, np.nan, 3],
                   'B': [4, 5, 6]})

# 保存为CSV文件
df.to_csv('example.csv', index=False)

运行上述代码后，我们得到的example.csv文件内容为：

A,B
1.0,4
,,5
3.0,6

可以看到，NaN值被保存为了空字符串。如果我们希望保留NaN值的原始格式，可以使用下面的方法：

# 保存CSV文件时保留NaN原格式
df.to_csv('example.csv', index=False, na_rep='NaN')

运行以上代码后，我们得到的example.csv文件内容为：

A,B
1.0,4
NaN,5
3.0,6

通过设置na_rep参数为’NaN’，我们成功保存了NaN值的原始格式。

2. 保存为Excel文件

类似地，我们可以使用相同的方法来保存包含NaN值的DataFrame为Excel文件：

# 保存为Excel文件
writer = pd.ExcelWriter('example.xlsx')
df.to_excel(writer, 'Sheet1', index=False)
writer.save()

运行以上代码后，我们得到的example.xlsx文件中的Sheet1内容为：

A    B
1  1.0  4
2  NaN  5
3  3.0  6

可以看到，NaN值被保存为了空白。为了保持NaN的原始格式，我们可以使用如下代码：

# 保存Excel文件时保留NaN原格式
df.to_excel(writer, 'Sheet1', index=False, na_rep='NaN')
writer.save()

运行以上代码后，我们得到的example.xlsx文件中的Sheet1内容为：

A    B
1  1.0  4
2  NaN  5
3  3.0  6

通过设置na_rep参数为’NaN’，我们成功保存了NaN值的原始格式。

3. 保存为JSON文件

最后，我们尝试将包含NaN值的DataFrame保存为JSON文件：

# 保存为JSON文件
df.to_json('example.json', orient='split')

运行以上代码后，我们得到的example.json文件内容为：

{"columns":["A","B"],"data":[[1.0,4.0],[null,5.0],[3.0,6.0]]}

可以看到，NaN值被保存为了null。为了保存NaN的原始格式，我们可以使用如下代码：

# 保存JSON文件时保留NaN原格式
df.to_json('example.json', orient='split', default_handler=str)

运行以上代码后，我们得到的example.json文件内容为：

{"columns":["A","B"],"data":[[1.0,4.0],["NaN",5.0],[3.0,6.0]]}

通过设置default_handler参数为str，我们成功保存了NaN值的原始格式。

通过以上示例，我们学习了如何在使用pandas保存数据时保留NaN的原始格式。这样可以确保数据在不同格式之间的转换过程中，NaN值不会丢失或被替换，保持数据的完整性和准确性。