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
相关产品推荐

