pandas 實現(xiàn)將NaN轉(zhuǎn)換為None

在python中，用pandas處理數(shù)據(jù)非常方便。

但是有時候從其他地方讀取數(shù)據(jù)時，會有異常值需要處理。

比如，我們要從excel讀取數(shù)據(jù)然后調(diào)用接口寫入數(shù)據(jù)庫時，讀取到的空值是NaN，但是，接口接收的對應(yīng)單元格數(shù)據(jù)應(yīng)該是None，這時候怎么處理呢？當(dāng)然，用pandas做這個事也是非常容易的。

示例如下：

原始數(shù)據(jù)：

示例代碼：

import pandas as pd        
df = pd.read_excel('data/test_data.xlsx')
# 將非空數(shù)據(jù)保留，空數(shù)據(jù)用None替換
df = df.where(df.notnull(), None)
print(df)

輸出結(jié)果：

id value

0 1 100

1 2 None

2 3 None

3 4 50

補充：Pandas Nan None 處理

在處理數(shù)據(jù)的時候遇到這個問題。

數(shù)據(jù)庫里的值 是null

然后讀取數(shù)據(jù)庫后得到的dataframe 里顯示的事None.

想把這些None 裝換成0.0 但是試過很多方法都不奏效。

使用過

df['PLANDAY'].replace('None',0)

未奏效

這個判斷句是生效的

df.loc[0,'PLANDAY'] is None:

后來發(fā)現(xiàn)這個數(shù)據(jù)類型是Nan 不是None

因此使用解決了上訴問題。

df['PLANDAY'] = df['PLANDAY'].fillna(0.0)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。