Python pandas 将 NaN 转换为 0

在数据分析和处理中，NaN（Not a Number）是一种常见的数据类型，表示缺失值或无效值。在某些情况下，我们需要将NaN值替换为0。这篇文章将探索如何使用Python pandas将NaN值转换为0。

导入pandas库

在转换之前，请确保首先导入pandas库：

import pandas as pd

创建带有NaN值的示例数据

为了展示如何将NaN值转换为0，我们将首先创建一个示例数据集：

df = pd.DataFrame({
   'A': [0, 1, 2, np.nan, 4],
   'B': [5, np.nan, 7, 8, 9],
   'C': [10, 11, np.nan, 13, 14],
   'D': [15, 16, 17, 18, 19]
})

现在，我们有一个包含NaN的数据集，看一下：

print(df)

输出：

     A    B     C   D
0  0.0  5.0  10.0  15
1  1.0  NaN  11.0  16
2  2.0  7.0   NaN  17
3  NaN  8.0  13.0  18
4  4.0  9.0  14.0  19

将Pandas数据帧中的NaN值转换为0

我们可以使用fillna()函数将Dataframe中的NaN值替换为0。以下是用法：

df = df.fillna(0)

现在，我们有一个更新的数据集：

print(df)

输出：

     A    B     C   D
0  0.0  5.0  10.0  15
1  1.0  0.0  11.0  16
2  2.0  7.0   0.0  17
3  0.0  8.0  13.0  18
4  4.0  9.0  14.0  19

我们可以看到，所有NaN值都已被替换为0。

将Pandas数据帧中的特定列的NaN值替换为0

如果您只需要将特定列的NaN值转换为0，则可以使用fillna()函数中的value参数，如下所示：

df['A'] = df['A'].fillna(0)

现在，仅列A中的NaN值被替换为0，其余列不受影响。

总结

在这篇文章中，我们学习了如何使用Python pandas将NaN值转换为0。我们可以使用fillna()函数将数据集中的所有NaN值替换为0，或仅将特定列中的NaN值替换为0。感谢您的阅读！