<\/p>\n
Sie k\u00f6nnen die Funktion fillna()<\/strong> verwenden, um NaN-Werte in einem Pandas-DataFrame zu ersetzen.<\/span><\/p>\n Hier sind drei g\u00e4ngige M\u00f6glichkeiten, diese Funktion zu verwenden:<\/span><\/p>\n Methode 1: NaN-Werte in einer Spalte mit dem Durchschnitt f\u00fcllen<\/strong><\/span><\/p>\n Methode 2: NaN-Werte in mehreren Spalten mit Durchschnitt f\u00fcllen<\/strong><\/span><\/p>\n Methode 3: NaN-Werte in allen Spalten mit Durchschnitt f\u00fcllen<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie die NaN-Werte in der Bewertungsspalte<\/strong> mit dem Durchschnittswert der Bewertungsspalte<\/strong> gef\u00fcllt werden:<\/span><\/p>\n Der Durchschnittswert in der Bewertungsspalte<\/strong> betrug 85,125<\/strong> , daher wurde jeder der NaN-Werte in der Bewertungsspalte<\/strong> mit diesem Wert gef\u00fcllt.<\/span><\/p>\n Der folgende Code zeigt, wie die NaN-Werte in den Bewertungs-<\/strong> und Punktespalten<\/strong> mit ihren jeweiligen Spaltendurchschnitten gef\u00fcllt werden:<\/span><\/p>\n Die NaN-Werte in den Spalten \u201eNote\u201c<\/strong> und \u201e Punkt\u201c<\/strong> wurden mit den jeweiligen Spaltendurchschnitten gef\u00fcllt.<\/span><\/p>\n Der folgende Code zeigt, wie die NaN-Werte in jeder Spalte mit den Spaltendurchschnitten gef\u00fcllt werden:<\/span><\/p>\n Beachten Sie, dass die NaN-Werte in jeder Spalte mit dem Durchschnitt ihrer Spalte gef\u00fcllt wurden.<\/span><\/p>\n Die vollst\u00e4ndige Online-Dokumentation zur Funktion fillna()<\/strong> finden Sie hier<\/a> .<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n So z\u00e4hlen Sie fehlende Werte in Pandas<\/a> Sie k\u00f6nnen die Funktion fillna() verwenden, um NaN-Werte in einem Pandas-DataFrame zu ersetzen. Hier sind drei g\u00e4ngige M\u00f6glichkeiten, diese Funktion zu verwenden: Methode 1: NaN-Werte in einer Spalte mit dem Durchschnitt f\u00fcllen df[‚ col1 ‚] = df[‚ col1 ‚]. fillna (df[‚ col1 ‚]. mean ()) Methode 2: NaN-Werte in mehreren Spalten mit Durchschnitt f\u00fcllen df[[‚ […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' col1<\/span> '] = df[' col1<\/span> ']. fillna<\/span> (df[' col1<\/span> ']. mean<\/span> ())<\/strong><\/pre>\n df[[' col1<\/span> ', ' col2<\/span> ']] = df[[' col1<\/span> ', ' col2<\/span> ']]. fillna<\/span> (df[[' col1<\/span> ',' col2<\/span> ']]. mean<\/span> ())<\/strong><\/pre>\n df = df. fillna<\/span> ( df.mean<\/span> ())<\/strong><\/pre>\n import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#create DataFrame with some NaN values<\/span>\ndf = pd. DataFrame<\/span> ({' rating<\/span> ': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],\n ' points<\/span> ': [25, np.nan, 14, 16, 27, 20, 12, 15, 14, 19],\n ' assists<\/span> ': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})\n\n#view DataFrame<\/span>\ndf\n\n rating points assists rebounds\n0 NaN 25.0 5.0 11\n1 85.0 NaN 7.0 8\n2 NaN 14.0 7.0 10\n3 88.0 16.0 NaN 6\n4 94.0 27.0 5.0 6\n5 90.0 20.0 7.0 9\n6 76.0 12.0 6.0 6\n7 75.0 15.0 9.0 10\n8 87.0 14.0 9.0 10\n9 86.0 19.0 5.0 7\n<\/strong><\/pre>\n Beispiel 1: NaN-Werte in einer Spalte mit dem Durchschnitt f\u00fcllen<\/strong><\/span><\/h3>\n
#fill NaNs with column mean in 'rating' column<\/span>\ndf[' rating<\/span> '] = df[' rating<\/span> ']. fillna<\/span> (df[' rating<\/span> ']. mean<\/span> ())\n\n<\/span>#view updated DataFrame<\/span>\ndf\n\n\trating points assists rebounds\n0 85.125 25.0 5.0 11\n1 85,000 NaN 7.0 8\n2 85.125 14.0 7.0 10\n3 88,000 16.0 NaN 6\n4 94,000 27.0 5.0 6\n5 90,000 20.0 7.0 9\n6 76,000 12.0 6.0 6\n7 75,000 15.0 9.0 10\n8 87,000 14.0 9.0 10\n9 86,000 19.0 5.0 7\n<\/strong><\/pre>\n Beispiel 2:<\/strong> NaN-Werte in mehreren Spalten mit dem Durchschnitt f\u00fcllen<\/strong><\/span><\/h3>\n
#fill NaNs with column means in 'rating' and 'points' columns<\/span>\ndf[[' rating<\/span> ', ' points<\/span> ']] = df[[' rating<\/span> ', ' points<\/span> ']]. fillna<\/span> (df[[' rating<\/span> ',' points<\/span> ']]. mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n\trating points assists rebounds\n0 85.125 25.0 5.0 11\n1 85,000 18.0 7.0 8\n2 85.125 14.0 7.0 10\n3 88,000 16.0 NaN 6\n4 94,000 27.0 5.0 6\n5 90,000 20.0 7.0 9\n6 76,000 12.0 6.0 6\n7 75,000 15.0 9.0 10\n8 87,000 14.0 9.0 10\n9 86,000 19.0 5.0 7\n<\/strong><\/pre>\n Beispiel 3: F\u00fcllen Sie die NaN-Werte in allen Spalten mit dem Durchschnitt<\/strong><\/h3>\n
#fill NaNs with column means in each column<\/span> \ndf = df. fillna<\/span> ( df.mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n rating points assists rebounds\n0 85.125 25.0 5.000000 11\n1 85,000 18.0 7,000000 8\n2 85.125 14.0 7.000000 10\n3 88,000 16.0 6.666667 6\n4 94,000 27.0 5,000000 6\n5 90,000 20.0 7,000000 9\n6 76,000 12.0 6,000000 6\n7 75,000 15.0 9,000000 10\n8 87,000 14.0 9,000000 10\n9 86,000 19.0 5,000000 7\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So l\u00f6schen Sie Zeilen mit NaN-Werten in Pandas<\/a>
So l\u00f6schen Sie Zeilen, die einen bestimmten Wert in Pandas enthalten<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"