NaN significa Not A Number y es una de las formas más comunes de representar el valor faltante en los datos. Es un valor de punto flotante especial y no se puede convertir a ningún otro tipo que no sea flotante. El valor de NaN es uno de los principales problemas en
Métodos para reemplazar valores NaN con ceros en Pandas DataFrame
En Python, hay dos métodos mediante los cuales podemos reemplazar los valores de NaN con ceros en el marco de datos de Pandas. Son los siguientes:
Reemplace los valores NaN con ceros usando Pandas fillna()
La función fillna() se utiliza para completar valores NA/NaN utilizando el método especificado. Veamos algunos ejemplos para una mejor comprensión.
Reemplace los valores de NaN con ceros para una columna usando Pandas fillna()
La sintaxis para reemplazar los valores NaN con ceros de una sola columna en el marco de datos de Pandas usando la función fillna() es la siguiente:
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> |
np.histograma
>
>
Producción:
fillna() para reemplazar NaN en una sola columna
Reemplace los valores de NaN con ceros para una columna completa usando Pandas fillna()
numerar el alfabeto
La sintaxis para reemplazar los valores NaN con ceros de todo el marco de datos de Pandas usando la función fillna() es la siguiente:
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> |
>
>
Producción:
Función fillna() para reemplazar NaN para todo el marco de datos
Reemplace los valores NaN con ceros usando NumPy replace()
El marco de datos.reemplazar() La función en Pandas se puede definir como un método simple utilizado para reemplazar un cadena , expresión regular, lista , diccionario , etc. en un DataFrame.
Reemplace los valores de NaN con ceros para una columna usando NumPy replace()
La sintaxis para reemplazar los valores NaN con ceros de una sola columna en el marco de datos de Pandas usando la función reemplazar() es la siguiente:
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> |
viaje pero
>
>
Producción:
reemplazar() para reemplazar NaN para una sola columna
Reemplace los valores de NaN con ceros para un marco de datos completo usando NumPy replace()
Sintaxis para reemplazar los valores NaN con ceros de todo el marco de datos de Pandas usando función reemplazar() es como sigue:
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> |
>
>
android.process.acore sigue deteniéndose
Producción:
Función reemplazar () para reemplazar NaN para todo el marco de datos