Python Pandas DataFrame NaN值替换方法详解
发布时间：2026-10-13| 6人浏览过
本文介绍在Python Pandas中处理DataFrame NaN值的方法。通过示例展示如何合并数据产生NaN，并使用where方法结合notnull()将NaN替换为None或其他指定值，帮助开发者进行数据清洗。
DataFrame NaN值替换方法
在Python数据处理中，经常需要将DataFrame中的NaN值替换为期望的值。例如，在进行数据合并后，可能会产生缺失值，此时需要将其替换为None或其他默认值。
数据合并与NaN生成示例
import pandas as pd
df1 = pd.DataFrame([{'col1':'a', 'col2':1}, {'col1':'b', 'col2':2}])
df2 = pd.DataFrame([{'col1':'a', 'col3':11}, {'col1':'c', 'col3':33}])
data = pd.merge(left=df1, right=df2, how='left', left_on='col1', right_on='col1')
print data
# 将NaN替换为None
print data.where(data.notnull(), None)
替换结果展示
执行上述操作后，输出结果如下所示：
替换前后数据对比
col1 col2 col3
0 a 1 11
1 b 2 NaN
col1 col2 col3
0 a 1 11
1 b 2 None
以上就是Python DataFrame NaN处理方式的完整介绍。希望这些内容能对读者有所帮助，欢迎继续支持本站获取更多技术分享。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
