2

当创建一个带有None值的 Pandas DataFrame 时，它​​们被转换为NaN：

> df = pd.DataFrame({'a': [0, None, 2]})
> df

      a
0   0.0
1   NaN
2   2.0

如果我None按索引设置值也是一样的：

> df = pd.DataFrame({'a': [0, 1, 2]})
> df["a"].iloc[1] = None
> df

      a
0   0.0
1   NaN
2   2.0

但是，如果我进行替换，就会开始发生奇怪的事情：

> df = pd.DataFrame({'a': [0, 1, 2, 3]})
> df["a"].replace(1, "foo")

    a
0   0
1   'foo'
2   2
3   3

> df["a"].replace(2, None)

    a
0   0
1   1
2   1
3   3

这里发生了什么？

4

2 回答 2

1

根据文档字符串

When ``value=None`` and `to_replace` is a scalar, list or
tuple, `replace` uses the method parameter (default 'pad') to do the
replacement. So this is why the 'a' values are being replaced by 10
in rows 1 and 2 and 'b' in row 4 in this case.
The command ``s.replace('a', None)`` is actually equivalent to
``s.replace(to_replace='a', value=None, method='pad')``

如果您想实际替换为None，请传递一个字典：

>>> s = pd.Series([10, 'a', 'a', 'b', 'a'])

When one uses a dict as the `to_replace` value, it is like the
value(s) in the dict are equal to the `value` parameter.
``s.replace({'a': None})`` is equivalent to
``s.replace(to_replace={'a': None}, value=None, method=None)``:

>>> s.replace({'a': None})
0      10
1    None
2    None
3       b
4    None
dtype: object
于 2020-05-14T19:39:21.500 回答
1 
s = pd.Series([10, 'a', 'a', 'b', 'a'])
s.replace({'a': None})
0      10
1    None
2    None
3       b
4    None
dtype: object

s.replace({'a': None}) is equivalent to s.replace(to_replace={'a': None}, value=None, method=None):

当 value=None 且 to_replace 是标量、列表或元组时，replace 使用方法参数（默认为“pad”）进行替换。所以这就是为什么在这种情况下，第 1 行和第 2 行中的“a”值被替换为 10，第 4 行中的“b”值被替换。命令 s.replace('a', None) 实际上等价于 s.replace(to_replace='a', value=None, method='pad')：

  s.replace('a', None)
    0    10
    1    10
    2    10
    3     b
    4     b
    dtype: object
于 2020-05-14T19:40:25.033 回答