You need to enable JavaScript to run this app. Python Pandas替换空值不生效 groupby时未知值显示为NaN问题求助
优惠活动
大模型
产品
解决方案
定价
更多

Python Pandas替换空值不生效 groupby时未知值显示为NaN问题求助

问题根因
  • pandas读取CSV文件时,空白单元格默认会被解析为NaN(缺失值),而非空字符串"",你使用的.replace("", -1)无法匹配到实际的缺失值,因此空白行对应的Fruit值始终是NaN,没有被替换为-1。
  • NaN属于特殊浮点值,参与除法运算后仍然是NaN,后续判断逻辑无法命中该值,会直接保留初始的NaN。
  • 你在替换空值为-1后,执行了adjusted_data["Fruit"] = adjusted_data["Fruit"]/100,原-1会变为-0.01,但后续判断是否为Unknown的条件写的是adjusted_data["Fruit"]==-1,完全无法匹配到缩放后的值,这也是Unknown无法正确赋值的核心原因。
修正方案

直接对齐原逻辑的修正代码

import numpy as np
import pandas as pd

# 替换缺失值为-1,兼容空字符串和NaN两种空值情况
adjusted_data["Fruit"] = adjusted_data["Fruit"].replace(["", np.nan], -1)

adjusted_data["Fruit"] = adjusted_data["Fruit"]/100
adjusted_data["Daily Fruit Intake"] = np.where(adjusted_data["Fruit"]>0,"Some",adjusted_data["Fruit"])
# 调整判断条件为缩放后的-0.01
adjusted_data["Daily Fruit Intake"] = np.where(adjusted_data["Fruit"]==-0.01,"Unknown",adjusted_data["Daily Fruit Intake"])
adjusted_data["Daily Fruit Intake"] = np.where(adjusted_data["Fruit"]==0,"None",adjusted_data["Daily Fruit Intake"])

更易维护的优化写法

调整逻辑顺序,先做分类再做数值缩放,避免数值换算错误,同时用np.select替代多层np.where,逻辑更清晰:

adjusted_data["Fruit"] = adjusted_data["Fruit"].replace(["", np.nan], -1)
# 先做分类判断,此时Fruit还是整数,无需考虑缩放
adjusted_data["Daily Fruit Intake"] = np.select(
    [adjusted_data["Fruit"]>0, adjusted_data["Fruit"]==-1, adjusted_data["Fruit"]==0],
    ["Some", "Unknown", "None"]
)
# 最后再缩放Fruit列数值
adjusted_data["Fruit"] = adjusted_data["Fruit"]/100

内容的提问来源于stack exchange,提问作者Charmalade

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.19 10:06:03