Pandas 中的 NaN

在本文中，我们将介绍在 Pandas 中使用数据帧时遇到的 NaN。

阅读更多：Pandas 教程

什么是 NaN？

NaN 代表 Not a Number，通常表示缺失或无效的数据。在 Pandas 中，NaN 用于表示缺失的或无效的值。

在 Pandas 中如何处理 NaN？

在 Pandas 中，有多种方式来处理 NaN。下面我们将介绍几种最常用的方法。

判断是否存在 NaN

使用 isnull() 函数可以判断一个值是否为 NaN。

import pandas as pd

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

print(df.isnull())

输出：

       A      B      C
0  False  False  False
1  False   True  False
2   True   True  False

上面的代码中，我们创建了一个数据帧 df，并对它应用了 isnull() 函数。输出结果显示，数据帧中的每个值都被转换为了布尔值（True 或 False），表示其是否为 NaN。

删除包含 NaN 的行或列

使用 dropna() 函数可以删除包含 NaN 的行或列。

import pandas as pd
import numpy as np

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

df.dropna(axis=0, inplace=True) # 删除行，axis=1 删除列
print(df)

输出：

     A    B  C
0  1.0  4.0  7

上面的代码中，我们创建了一个数据帧 df，并对它应用了 dropna() 函数，删除了数据帧中包含 NaN 值的行。

替换 NaN

使用 fillna() 函数可以用指定的值替换数据帧中的 NaN。

import pandas as pd
import numpy as np

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

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

输出：

     A    B  C
0  1.0  4.0  7
1  2.0  0.0  8
2  0.0  0.0  9

上面的代码中，我们创建了一个数据帧 df，并对它应用了 fillna() 函数，将数据帧中的 NaN 值替换为 0。

小结

在本文中，我们介绍了 Pandas 中的 NaN。我们学习了如何判断是否存在 NaN、如何删除包含 NaN 的行或列以及如何替换 NaN。这些技巧将为使用 Pandas 处理数据帧提供帮助。