Remplacez les valeurs NaN par des zéros dans Pandas DataFrame
NaN signifie Not A Number et constitue l'un des moyens courants de représenter la valeur manquante dans les données. Il s'agit d'une valeur à virgule flottante spéciale et ne peut être convertie en aucun autre type que float. La valeur NaN est l'un des problèmes majeurs de
Méthodes pour remplacer les valeurs NaN par des zéros dans Pandas DataFrame
Dans Python, il existe deux méthodes par lesquelles nous pouvons remplacer les valeurs NaN par des zéros dans la trame de données Pandas. Ils sont les suivants :
Remplacez les valeurs NaN par des zéros à l'aide de Pandas fillna()
La fonction fillna() est utilisée pour remplir les valeurs NA/NaN en utilisant la méthode spécifiée. Voyons quelques exemples pour une meilleure compréhension.
Remplacez les valeurs NaN par des zéros pour une colonne à l'aide de Pandas fillna()
La syntaxe pour remplacer les valeurs NaN par les zéros d'une seule colonne dans la trame de données Pandas à l'aide de la fonction fillna() est la suivante :
Syntax: df['DataFrame Column'] = df['DataFrame Column'].fillna(0)
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums> => {> 'Set_of_Numbers'> : [> 2> ,> 3> ,> 5> ,> 7> ,> 11> ,> 13> ,> > np.nan,> 19> ,> 23> , np.nan]}> # Create the dataframe> df> => pd.DataFrame(nums, columns> => [> 'Set_of_Numbers'> ])> # Apply the function> df[> 'Set_of_Numbers'> ]> => df[> 'Set_of_Numbers'> ].fillna(> 0> )> # print the DataFrame> df> |
Sortir:
fillna() pour remplacer NaN pour une seule colonne
Remplacez les valeurs NaN par des zéros pour une colonne entière à l'aide de Pandas fillna()
La syntaxe pour remplacer les valeurs NaN par des zéros de l'ensemble de la trame de données Pandas à l'aide de la fonction fillna() est la suivante :
Syntax: df.fillna(0)
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums> => {> 'Number_set_1'> : [> 0> ,> 1> ,> 1> ,> 2> ,> 3> ,> 5> , np.nan,> > 13> ,> 21> , np.nan],> > 'Number_set_2'> : [> 3> ,> 7> , np.nan,> 23> ,> 31> ,> 41> ,> > np.nan,> 59> ,> 67> , np.nan],> > 'Number_set_3'> : [> 2> ,> 3> ,> 5> , np.nan,> 11> ,> 13> ,> 17> ,> > 19> ,> 23> , np.nan]}> # Create the dataframe> df> => pd.DataFrame(nums)> # Apply the function> df> => df.fillna(> 0> )> # print the DataFrame> df> |
Sortir:
Fonction fillna() pour remplacer NaN pour toute la trame de données
Remplacez les valeurs NaN par des zéros à l'aide de NumPy replace()
Le dataframe.replace() La fonction dans Pandas peut être définie comme une méthode simple utilisée pour remplacer un chaîne , expression régulière, liste , dictionnaire , etc. dans un DataFrame.
Remplacez les valeurs NaN par des zéros pour une colonne à l'aide de NumPy replace()
La syntaxe pour remplacer les valeurs NaN par les zéros d'une seule colonne dans la trame de données Pandas à l'aide de la fonction replace() est la suivante :
Syntax: df['DataFrame Column'] = df['DataFrame Column'].replace(np.nan, 0)
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums> => {> 'Car Model Number'> : [> 223> , np.nan,> 237> ,> 195> , np.nan,> > 575> ,> 110> ,> 313> , np.nan,> 190> ,> 143> ,> > np.nan],> > 'Engine Number'> : [> 4511> , np.nan,> 7570> ,> 1565> ,> 1450> ,> 3786> ,> > 2995> ,> 5345> ,> 7777> ,> 2323> ,> 2785> ,> 1120> ]}> # Create the dataframe> df> => pd.DataFrame(nums, columns> => [> 'Car Model Number'> ])> # Apply the function> df[> 'Car Model Number'> ]> => df[> 'Car Model Number'> ].replace(np.nan,> 0> )> # print the DataFrame> df> |
Sortir:
replace() pour remplacer NaN pour une seule colonne
Remplacez les valeurs NaN par des zéros pour une Dataframe entière à l'aide de NumPy replace()
Syntaxe pour remplacer les valeurs NaN par des zéros de l'ensemble de la trame de données Pandas en utilisant fonction remplacer() est comme suit:
Syntax: df.replace(np.nan, 0)
Python3
# importing libraries> import> pandas as pd> import> numpy as np> nums> => {> 'Student Name'> : [> 'Shrek'> ,> 'Shivansh'> ,> 'Ishdeep'> ,> > 'Siddharth'> ,> 'Nakul'> ,> 'Prakhar'> ,> > 'Yash'> ,> 'Srikar'> ,> 'Kaustubh'> ,> > 'Aditya'> ,> 'Manav'> ,> 'Dubey'> ],> > 'Roll No.'> : [> 18229> ,> 18232> , np.nan,> 18247> ,> 18136> ,> > np.nan,> 18283> ,> 18310> ,> 18102> ,> 18012> ,> > 18121> ,> 18168> ],> > 'Subject ID'> : [> 204> , np.nan,> 201> ,> 105> , np.nan,> 204> ,> > 101> ,> 101> , np.nan,> 165> ,> 715> , np.nan],> > 'Grade Point'> : [> 9> , np.nan,> 7> , np.nan,> 8> ,> 7> ,> 9> ,> 10> ,> > np.nan,> 9> ,> 6> ,> 8> ]}> # Create the dataframe> df> => pd.DataFrame(nums)> # Apply the function> df> => df.replace(np.nan,> 0> )> # print the DataFrame> df> |
Sortir:
Fonction replace() pour remplacer NaN pour toute la trame de données
