如何在python中处理NaN值？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
创新互联是一家集网站建设,鹤城企业网站建设,鹤城品牌网站建设,网站定制,鹤城网站建设报价,网络营销,网络优化,
鹤城网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。
如下所示：
python 设置值
import pandas as pd
import numpy as np
dates = pd.date_range('20180101',periods=6)
df = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['A','B','C','D'])
print(df)A B C D
2018-01-01 0 1 2 3
2018-01-02 4 5 6 7
2018-01-03 8 9 10 11
2018-01-04 12 13 14 15
2018-01-05 16 17 18 19
2018-01-06 20 21 22 23
df.loc['20180102','A'] = 1111
print(df)
A B C D
2018-01-01 0 1 2 3
2018-01-02 1111 5 6 7
2018-01-03 8 9 10 11
2018-01-04 12 13 14 15
2018-01-05 16 17 18 19
2018-01-06 20 21 22 23
df.iloc[2,2] = 2222
print(df)
A B C D
2018-01-01 0 1 2 3
2018-01-02 1111 5 6 7
2018-01-03 8 9 2222 11
2018-01-04 12 13 14 15
2018-01-05 16 17 18 19
2018-01-06 20 21 22 23
df[df.A>12]=0 #修改df数据中符合条件的所有值
print(df)
A B C D
2018-01-01 0 1 2 3
2018-01-02 0 0 0 0
2018-01-03 8 9 2222 11
2018-01-04 12 13 14 15
2018-01-05 0 0 0 0
2018-01-06 0 0 0 0
df.A[df.A<4]=11 #修改df数据中A列符合条件的所有值
print(df)
A B C D
2018-01-01 11 1 2 3
2018-01-02 11 0 0 0
2018-01-03 8 9 2222 11
2018-01-04 12 13 14 15
2018-01-05 11 0 0 0
2018-01-06 11 0 0 0
df['F'] = np.nan
print(df)
A B C D F
2018-01-01 11 1 2 3 NaN
2018-01-02 11 0 0 0 NaN
2018-01-03 8 9 2222 11 NaN
2018-01-04 12 13 14 15 NaN
2018-01-05 11 0 0 0 NaN
2018-01-06 11 0 0 0 NaN
print(np.any(df.isnull())== True) #isnull检测是否含有NaN值，有就返回True。np.any()检测df数据中是否含有等于Ture的值
True
NaN值填充：print(df.fillna(value=0))
python有哪些常用库
python常用的库：1.requesuts；2.scrapy；3.pillow；4.twisted；5.numpy；6.matplotlib；7.pygama；8.ipyhton等。
关于如何在python中处理NaN值问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。
标题名称：如何在python中处理NaN值-创新互联
转载来于：
http://cdkjz.cn/article/dcjdho.html
