Panda's: hoe vervang je nul door nan


U kunt de volgende basissyntaxis gebruiken om nullen te vervangen door NaN-waarden in een pandas DataFrame:

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

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: vervang nul door NaN in Panda’s

Stel dat we de volgende panda’s DataFrame hebben:

 import pandas as pd

#createDataFrame
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

We kunnen de volgende syntaxis gebruiken om elke nul in het DataFrame te vervangen door een NaN-waarde:

 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

Merk op dat elke nul in elke kolom van het DataFrame is vervangen door NaN.

Opmerking : we moeten het argument inplace=True gebruiken, anders worden de wijzigingen niet aangebracht in het oorspronkelijke DataFrame.

Gerelateerd: NaN-waarden vervangen door nul in Panda’s

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe specifieke waarden in Panda’s te vervangen
Hoe u een Pandas DataFrame filtert op kolomwaarden
Hoe NA-waarden voor meerdere kolommen in Panda’s te vullen

Einen Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert