Python Pandas 将多列零替换为Nan

Question

载入 pandas 数据框 df2 的人员属性列表。对于清理，我想用 np.nan 替换值零（0 或 '0'）。

df2.dtypes

ID                   object
Name                 object
Weight              float64
Height              float64
BootSize             object
SuitSize             object
Type                 object
dtype: object

将值零设置为 np.nan 的工作代码：

df2.loc[df2['Weight'] == 0,'Weight'] = np.nan
df2.loc[df2['Height'] == 0,'Height'] = np.nan
df2.loc[df2['BootSize'] == '0','BootSize'] = np.nan
df2.loc[df2['SuitSize'] == '0','SuitSize'] = np.nan

相信这可以通过 similar/shorter 方式完成：

df2[["Weight","Height","BootSize","SuitSize"]].astype(str).replace('0',np.nan)

但是上面的方法不起作用。零保留在 df2 中。如何解决这个问题？

Answer 1

我认为你需要 replace by dict:

cols = ["Weight","Height","BootSize","SuitSize","Type"]
df2[cols] = df2[cols].replace({'0':np.nan, 0:np.nan})

Answer 2

data['amount']=data['amount'].replace(0, np.nan)
data['duration']=data['duration'].replace(0, np.nan)

Answer 3

您可以使用 'replace' 方法并将列表中要替换的值作为第一个参数传递，并将所需的值作为第二个参数传递：

cols = ["Weight","Height","BootSize","SuitSize","Type"]
df2[cols] = df2[cols].replace(['0', 0], np.nan)

Answer 4

尝试：

df2.replace(to_replace={
             'Weight':{0:np.nan}, 
             'Height':{0:np.nan},
             'BootSize':{'0':np.nan},
             'SuitSize':{'0':np.nan},
                 })

Answer 5

另一种替代方式：

cols = ["Weight","Height","BootSize","SuitSize","Type"]
df2[cols] = df2[cols].mask(df2[cols].eq(0) | df2[cols].eq('0'))

Answer 6

在“年龄”列中，将零替换为空格

df['age'].replace(['0', 0'], '', inplace=True)

将单列的零替换为 nan

df['age'] = df['age'].replace(0, np.nan)

用 nan 替换多列的零

cols = ["Glucose", "BloodPressure", "SkinThickness", "Insulin", "BMI"]

df[cols] = df[cols].replace(['0', 0], np.nan)

用数据框的 nan 替换零

df.replace(0, np.nan, inplace=True)

Answer 7

如果您只想替换整个数据框中的零，您可以直接替换它们而无需指定任何列：

df = df.replace({0:pd.NA})

Python Pandas 将多列零替换为Nan

Python Pandas replace multiple columns zero to Nan

python

dataframe

pandas

data-cleaning