Pandas 将 NaN 替换为空白空字符串

Pandas

Pandas是Python中一个非常流行的数据处理和分析库。在进行数据清洗和处理时，我们常常会遇到缺失值NaN（Not a Number）。而在某些情况下，我们希望将这些NaN值替换为空白或空字符串。本文将介绍如何使用Pandas来实现这一功能，并通过案例代码来加深理解。

在开始之前，我们首先需要导入Pandas库。可以使用以下代码进行导入：

Python
import Pandas as pd

接下来，我们需要创建一个包含NaN值的数据集。假设我们有一个包含学生姓名、年龄和分数的数据集，其中某些学生的年龄信息缺失。我们可以使用以下代码创建这个数据集：

Python
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [20, None, 22, None],
        '分数': [80, 85, 90, 95]}
df = pd.DataFrame(data)

现在，我们已经创建了一个包含NaN值的数据集。接下来，我们可以使用Pandas中的fillna()函数将NaN值替换为空白或空字符串。以下是两种替换方式的示例代码：

1. 将NaN替换为空白：

Python
df_filled_blank = df.fillna('')

2. 将NaN替换为空字符串：

Python
df_filled_empty = df.fillna('空')

通过上述代码，我们可以得到两个新的数据集df_filled_blank和df_filled_empty，它们将NaN值替换为了空白和空字符串。

示例代码：

Python
import Pandas as pd
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [20, None, 22, None],
        '分数': [80, 85, 90, 95]}
df = pd.DataFrame(data)
df_filled_blank = df.fillna('')
df_filled_empty = df.fillna('空')
print("替换为空白：")
print(df_filled_blank)
print("替换为空字符串：")
print(df_filled_empty)

运行结果：

替换为空白：
   姓名  年龄  分数
0  张三  20  80
1  李四     85
2  王五  22  90
3  赵六     95
替换为空字符串：
   姓名  年龄  分数
0  张三  20  80
1  李四  空   85
2  王五  22  90
3  赵六  空   95

如上所示，我们成功地将NaN值替换为空白和空字符串，使得数据集更加整洁和易于处理。这在进行数据分析和建模时非常有用。

通过本文，我们学习了如何使用Pandas将NaN值替换为空白或空字符串。这对于数据清洗和处理是一个非常实用的技巧。希望本文的内容能够帮助你更好地使用Pandas进行数据处理和分析。