Pandas : comment remplacer zéro par NaN

Vous pouvez utiliser la syntaxe de base suivante pour remplacer les zéros par des valeurs NaN dans un DataFrame pandas :

df.replace(0, np.nan, inplace=True)

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : remplacez zéro par NaN dans Pandas

Supposons que nous ayons le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'points': [25, 0, 15, 14, 19, 23, 25, 29],
                   'assists': [5, 0, 7, 0, 12, 9, 9, 4],
                   'rebounds': [11, 8, 10, 6, 6, 0, 9, 0]})

#view DataFrame
print(df)

   points  assists  rebounds
0      25        5        11
1       0        0         8
2      15        7        10
3      14        0         6
4      19       12         6
5      23        9         0
6      25        9         9
7      29        4         0

Nous pouvons utiliser la syntaxe suivante pour remplacer chaque zéro du DataFrame par une valeur NaN :

import numpy as np

#replace all zeros with NaN values
df.replace(0, np.nan, inplace=True)

#view updated DataFrame
print(df)

   points  assists  rebounds
0    25.0      5.0      11.0
1     NaN      NaN       8.0
2    15.0      7.0      10.0
3    14.0      NaN       6.0
4    19.0     12.0       6.0
5    23.0      9.0       NaN
6    25.0      9.0       9.0
7    29.0      4.0       NaN

Notez que chaque zéro dans chaque colonne du DataFrame a été remplacé par NaN.

Remarque : Nous devons utiliser l’argument inplace=True sinon les modifications ne seront pas apportées au DataFrame d’origine.

Connexe :Comment remplacer les valeurs NaN par zéro dans Pandas

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Comment remplacer des valeurs spécifiques dans Pandas
Comment filtrer un DataFrame Pandas par valeurs de colonne
Comment remplir les valeurs NA pour plusieurs colonnes dans Pandas