上一篇pandas数组(pandas Series)-(3)向量化运算里说到,将两个 pandas Series 进行向量化运算的时候,如果某个 key 索引只在其中一个 Series 里出现,计算的结果会是 NaN ,那么有什么办法能处理 NaN 呢?
1. dropna() 方法:
此方法会把所有为 NaN 结果的值都丢弃,相当于只计算共有的 key 索引对应的值:
import pandas as pd s1 = pd.Series([1, 2, 3, 4], index=[‘a‘, ‘b‘, ‘c‘, ‘d‘]) s2 = pd.Series([10, 20, 30, 40], index=[‘c‘, ‘d‘, ‘e‘, ‘f‘]) s3 = s1+s2 print(s3) # 结果: a NaN b NaN c 13.0 d 24.0 e NaN f NaN dtype: float64 print(s3.dropna()) # 结果: c 13.0 d 24.0 dtype: float64
2. fill_value 参数:
设置 fill_value参数可以给一个Series没有key索引对应值的时候设置一个填充值:
s1 = pd.Series([1, 2, 3, 4], index=[‘a‘, ‘b‘, ‘c‘, ‘d‘]) s2 = pd.Series([10, 20, 30, 40], index=[‘c‘, ‘d‘, ‘e‘, ‘f‘]) s3 = s1.add(s2, fill_value=0) print(s3) # 结果: a 1.0 b 2.0 c 13.0 d 24.0 e 30.0 f 40.0 dtype: float64
这样, s2 里虽然没有 ‘a‘,‘b‘ 这个索引 key , s1 里虽然没有 ‘e‘,‘f‘ 这两个 key ,但是在运算的时候,会用 0 去填充进行运算,也可以设置为其他值.
可见,以上这两种方法的区别就在于,一个会除去两个 Series 不共有的 key ,一个会用填充值去填补不共有的 key 的值.
pandas数组(pandas Series)-(4)NaN的处理
原文：https://www.cnblogs.com/liulangmao/p/9227116.html