วิธีใช้ pandas fillna() เพื่อแทนที่ค่า nan

คุณสามารถใช้ฟังก์ชัน fillna() เพื่อแทนที่ค่า NaN ใน Pandas DataFrame

ฟังก์ชันนี้ใช้ไวยากรณ์พื้นฐานต่อไปนี้:

 #replace NaN values in one column
df[' col1 '] = df[' col1 ']. fillna (0)

#replace NaN values in multiple columns
df[[' col1 ', ' col2 ']] = df[[' col1 ', ' col2 ']]. fillna (0) 

#replace NaN values in all columns
df = df. fillna (0)

บทช่วยสอนนี้จะอธิบายวิธีใช้ฟังก์ชันนี้กับ DataFrame ของแพนด้าต่อไปนี้:

 import numpy as np
import pandas as pd

#create DataFrame with some NaN values
df = pd.DataFrame({'rating': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],
                   'points': [25, np.nan, 14, 16, 27, 20, 12, 15, 14, 19],
                   'assists': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})

#view DataFrame
df

        rating points assists rebounds
0 NaN 25.0 5.0 11
1 85.0 NaN 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

ตัวอย่างที่ 1: แทนที่ค่า NaN ในคอลัมน์

รหัสต่อไปนี้แสดงวิธีแทนที่ค่า NaN ด้วยศูนย์ในคอลัมน์ “note”:

 #replace NaNs with zeros in 'rating' column
df[' rating '] = df[' rating ']. fillna (0)

#view DataFrame
df

	rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 NaN 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

ตัวอย่างที่ 2: แทนที่ค่า NaN ในหลายคอลัมน์

รหัสต่อไปนี้แสดงวิธีแทนที่ค่า NaN ด้วยศูนย์ในคอลัมน์ “เกรด” และ “คะแนน”:

 #replace NaNs with zeros in 'rating' and 'points' columns
df[[' rating ', ' points ']] = df[[' rating ', ' points ']]. fillna (0)

#view DataFrame
df

	rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 0.0 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

ตัวอย่างที่ 3: แทนที่ค่า NaN ในทุกคอลัมน์

รหัสต่อไปนี้แสดงวิธีแทนที่ค่า NaN ในแต่ละคอลัมน์ด้วยศูนย์:

 #replace NaNs with zeros in all columns 
df = df. fillna (0)

#view DataFrame
df

        rating points assists rebounds
0 0.0 25.0 5.0 11
1 85.0 0.0 7.0 8
2 0.0 14.0 7.0 10
3 88.0 16.0 0.0 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

คุณสามารถดูเอกสารออนไลน์ฉบับเต็มสำหรับฟังก์ชัน fillna() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีนับค่าที่หายไปในแพนด้า
วิธีลบแถวที่มีค่า NaN ใน Pandas
วิธีลบแถวที่มีค่าเฉพาะใน Pandas