时间戳

首页 > 解决方案 > 如何在熊猫中用 NaN 替换浮点值？

python - 如何在熊猫中用 NaN 替换浮点值？

问题描述

我知道熊猫中的替换功能：https ://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.replace.html

但是我已经完成了这个简单的测试，当我尝试替换浮点值时它没有按预期工作：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(50, 4), columns=list('ABCD'))
print(df.head(n=1))

      A         B        C         D
0  1.437202  1.919894 -1.40674 -0.316737

df = df.replace(1.437202, np.nan)
print(df.head(n=1))

      A         B        C         D
0  1.437202  1.919894 -1.40674 -0.316737

如您所见， [[0],[0]] 没有变化……知道这可能是由于什么原因吗？

标签： pythonpandasreplacenan

解决方案

问题是浮点精度，所以使用numpy.isclose函数mask：

np.random.seed(123)
df = pd.DataFrame(np.random.randn(50, 4), columns=list('ABCD'))
print(df.head(n=1))
          A         B         C         D
0 -1.085631  0.997345  0.282978 -1.506295

df = df.mask(np.isclose(df.values, 0.997345))

或使用numpy.where：

arr = np.where(np.isclose(df.values, 0.997345), np.nan, df.values)
df = pd.DataFrame(arr, index=df.index, columns=df.columns)

print(df.head(n=1))
          A   B         C         D
0 -1.085631 NaN  0.282978 -1.506295

编辑：您还可以select_dtypes通过子集过滤来仅获取数字列[]：

np.random.seed(123)
df = pd.DataFrame(np.random.randn(50, 4), columns=list('ABCD')).assign(E='a')

cols = df.select_dtypes(np.number).columns
df[cols] = df[cols].mask(np.isclose(df[cols].values, 0.997345))
print(df.head(n=1))
          A   B         C         D  E
0 -1.085631 NaN  0.282978 -1.506295  a

推荐阅读