Làm cách nào để thay thế nan bằng 0 trong python?
Trong Python, NaN có nghĩa là Không phải là Số. Nó biểu thị rằng các mục có giá trị NaN không được xác định hoặc bị thiếu trong tập dữ liệu. Đó là một giá trị dấu phẩy động và không thể chuyển đổi thành bất kỳ loại dữ liệu nào khác Show Các giá trị NaN không được mong muốn, đặc biệt là trong các mô hình học máy vì chúng có thể dẫn đến việc đào tạo một mô hình không chính xác. Các giá trị này có thể được thay thế bằng một thuật ngữ được tính toán như giá trị trung bình, trung vị hoặc bất kỳ giá trị phù hợp nào khác dựa trên tập dữ liệu Cũng đọc. Làm cách nào để thay thế các giá trị NAN trong Pandas bằng một chuỗi rỗng? Hướng dẫn này sẽ xem xét cách chúng ta có thể thay thế các giá trị NaN bằng 0 trong khung dữ liệu Pandas. Trước tiên hãy tạo một khung dữ liệu để bắt đầu với Tạo một khung dữ liệu Pandasimport pandas as pd import numpy as np data = { 'Mobile Model Number': [6, np.nan, 2, np.nan, 7, 3, 5, np.nan, 21, 12, np.nan], 'Price': [30000, 5200, 6000, np.nan, np.nan, 15000, 36000, np.nan, 4500, np.nan, 2300], 'Rating': [3.1, 3.0, np.nan, 4.6, np.nan, np.nan, 2.8, 4.7, np.nan, 3.0, np.nan] } df = pd.DataFrame(data) dfKhung dữ liệu Trên đây là khung dữ liệu gồm 3 cột. Số kiểu, giá và xếp hạng của điện thoại di động. Hiện tại tất cả các cột này đều chứa một số giá trị NaN Các hàm Python để thay thế các giá trị NaNCó hai hàm chủ yếu có sẵn trong Python để thay thế các giá trị NaN Ví dụ về việc thay thế các giá trị NaN bằng 0Hãy bắt đầu với một vài ví dụ về việc thay thế các giá trị NaN tại đây và hiểu cách thức hoạt động của nó trong mã Sử dụng hàm thay thế()a. Sử dụng replace() để thay thế các giá trị NaN trong một cột bằng 0data = { 'Mobile Model Number': [6, np.nan, 2, np.nan, 7, 3, 5, np.nan, 21, 12, np.nan], 'Price': [30000, 5200, 6000, np.nan, np.nan, 15000, 36000, np.nan, 4500, np.nan, 2300], 'Rating': [3.1, 3.0, np.nan, 4.6, np.nan, np.nan, 2.8, 4.7, np.nan, 3.0, np.nan] } # applying the replace method on a single column df['Rating'] = df['Rating'].replace(np.nan, 0) dfthay thế(). Thay thế NaN trong một cột bằng 0 Trong đoạn mã trên, chúng tôi đã áp dụng hàm b. Sử dụng replace() để thay thế các giá trị NaN trong toàn bộ khung dữ liệu bằng 0data = { 'Mobile Model Number': [6, np.nan, 2, np.nan, 7, 3, 5, np.nan, 21, 12, np.nan], 'Price': [30000, 5200, 6000, np.nan, np.nan, 15000, 36000, np.nan, 4500, np.nan, 2300], 'Rating': [3.1, 3.0, np.nan, 4.6, np.nan, np.nan, 2.8, 4.7, np.nan, 3.0, np.nan] } # applying the replace method on the entire dataframe df = df.replace(np.nan, 0) dfthay thế(). Thay thế NaN trong toàn bộ khung dữ liệu bằng 0 Trong trường hợp này, chúng tôi đã thay thế tất cả các giá trị NaN trong toàn bộ khung dữ liệu bằng 0 cùng một lúc Sử dụng hàm fillna()Ví dụ này sẽ sử dụng hàm fillna() mà chúng ta đã khám phá trước đó a. Sử dụng fillna() để thay thế các giá trị NaN trong một cột bằng 0data = { 'Mobile Model Number': [6, np.nan, 2, np.nan, 7, 3, 5, np.nan, 21, 12, np.nan], 'Price': [30000, 5200, 6000, np.nan, np.nan, 15000, 36000, np.nan, 4500, np.nan, 2300], 'Rating': [3.1, 3.0, np.nan, 4.6, np.nan, np.nan, 2.8, 4.7, np.nan, 3.0, np.nan] } # applying the fillna method on a single column df['Mobile Model Number'] = df['Mobile Model Number'].fillna(0) dfđiền (). Thay thế NaN trong một cột bằng 0 Ở đây, chúng tôi đã thay thế tất cả các giá trị NaN trong cột 'Xếp hạng' bằng 0 b. Sử dụng fillna() để thay thế các giá trị NaN trong toàn bộ khung dữ liệu bằng 0data = { 'Mobile Model Number': [6, np.nan, 2, np.nan, 7, 3, 5, np.nan, 21, 12, np.nan], 'Price': [30000, 5200, 6000, np.nan, np.nan, 15000, 36000, np.nan, 4500, np.nan, 2300], 'Rating': [3.1, 3.0, np.nan, 4.6, np.nan, np.nan, 2.8, 4.7, np.nan, 3.0, np.nan] } # applying the fillna method on the entire dataframe df.fillna(0) dfđiền (). Thay thế NaN trong Toàn bộ khung dữ liệu bằng 0 Trong trường hợp này, chúng tôi đã sử dụng hàm Bản tóm tắtDo đó, chúng ta đã thấy cách thay thế các giá trị NaN bằng 0 trong khung dữ liệu. Để tìm hiểu thêm về Pandas và các khái niệm khác liên quan đến Python, hãy xem các blog khác của chúng tôi |