如何用熊猫数据栏中的Zero替换所有NaN值

Question

如何用熊猫数据栏中的Zero替换所有NaN值我有如下所示的数据      itm Date                  Amount 67    420 2012-09-30 00:00:00   6521168    421 2012-09-09 00:00:00   2942469    421 2012-09-16 00:00:00   2987770    421 2012-09-23 00:00:00   3099071    421 2012-09-30 00:00:00   6130372    485 2012-09-09 00:00:00   7178173    485 2012-09-16 00:00:00     NaN74    485 2012-09-23 00:00:00   1107275    485 2012-09-30 00:00:00  11370276    489 2012-09-09 00:00:00   6473177    489 2012-09-16 00:00:00     NaN当我试图将函数应用到AUNT列时，我会得到以下错误。ValueError: cannot convert float NaN to integer我尝试使用数学模块中的.isnan应用一个函数，我尝试了熊猫.替换属性，我尝试了来自熊猫0.9的.稀疏数据属性，我也尝试过如果在函数中使用nan=nan语句。我也看过这篇文章如何将R数据中的NA值替换为0？在看其他文章的时候。我尝试过的所有方法都没有奏效，或者没有认识到南。任何提示或解决方案将不胜感激。

Answer 1

你可以用replace改变NaN到0:

import pandas as pd

import numpy as np

# for column

df['column'] = df['column'].replace(np.nan, 0)

# for whole dataframe

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

# inplace

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

Answer 2

我相信DataFrame.fillna()会为你做这件事。

链接到文档数据而为了系列.

例子：

例子：

In [7]: df

Out[7]: 

          0         1

0       NaN       NaN

1 -0.494375  0.570994

2       NaN       NaN

3  1.876360 -0.229738

4       NaN       NaN

In [8]: df.fillna(0)

Out[8]: 

          0         1

0  0.000000  0.000000

1 -0.494375  0.570994

2  0.000000  0.000000

3  1.876360 -0.229738

4  0.000000  0.000000

若要只在一列中填充NAN，请选择该列。在本例中，我使用inplace=True来实际更改DF的内容。

In [12]: df[1].fillna(0, inplace=True)

Out[12]: 

0    0.000000

1    0.570994

2    0.000000

3   -0.229738

4    0.000000

Name: 1

In [13]: df

Out[13]: 

          0         1

0       NaN  0.000000

1 -0.494375  0.570994

2       NaN  0.000000

3  1.876360 -0.229738

4       NaN  0.000000

Answer 3

不能保证切片返回视图或副本。你可以

df['column'] = df['column'].fillna(value)