从DataFrame提取单个值时，替换NaN的Pythonic方式是什么？

嘿，我懂你遇到的这个小麻烦！先看我们的场景：假设我们有一个混着NaN和浮点数的DataFrame：

import pandas as pd
import numpy as np
df = pd.DataFrame([[1,np.nan],[np.nan,4]],columns=['col1','col2'],index= ['row1','row2'])
df

输出结果是这样的：

col1  col2
row1  1.0  NaN
row2  NaN  4.0

我们都知道，要是给整列或者整行填充NaN，fillna()简直是神器，比如给col1列的NaN填99.0：

df.loc[:,'col1'].fillna(99.0)

输出立刻就规整了：

row1    1.0
row2    99.0
Name: col1, dtype: float64

但头疼的是，fillna()没法直接作用于单个单元格的NaN，所以你现在不得不写这种if判断：

if np.isnan(df.loc['row2','col1']): 
    val = 99.0
else:
    val = df.loc['row2','col1']

其实有更简洁的写法哦！给你俩实用方案：

• 用pd.Series把单个值包装一下再用fillna，最后取第一个元素：

  val = pd.Series(df.loc['row2','col1']).fillna(99.0).iloc[0]
  

• 或者用np.where一步到位，直接判断赋值：

  val = np.where(np.isnan(df.loc['row2','col1']), 99.0, df.loc['row2','col1'])
  

这两种写法都能替代繁琐的if-else，代码看起来清爽多啦~

内容的提问来源于stack exchange，提问作者doctorer