在 Pandas 数据框架中，NaN 表示缺失值。可以通过不同的方式将 NaN 插入到 DataFrame 中。
以下是在 Pandas 中创建 NaN 值的几种方式：
可以使用 Pandas 的 DataFrame 函数，创建无数据的空数据框，然后将值都设置为 NaN。
import pandas as pd
# 创建一个空的数据框
df = pd.DataFrame()
# 添加一列并将值都设置为 NaN
df['A'] = pd.Series([float('NaN') for x in range(10)])
上述代码会创建一个空的数据框，并添加一列，将值都设置为 NaN。
可以使用 None 值创建 NaN。这是在 Pandas 中常用的方法之一。
import pandas as pd
# 创建一个数据框
df = pd.DataFrame({
'A': [1, 2, None, 4],
'B': [4, None, None, 2],
'C': [2, None, 5, 6]
})
# 将 None 值替换成 NaN
df.fillna(value=pd.np.nan, inplace=True)
上述代码将数据包含 None 值的数据框，使用 fillna 函数中的 value 参数，将所有 None 值替换成 NaN 值。
使用 numpy 的 NaN 常量创建 NaN 值也是一种有效的方法。
import pandas as pd
import numpy as np
# 创建一个数据框，并添加 NaN 值
df = pd.DataFrame({
'A': [1, 2, np.nan, 4],
'B': [4, np.nan, np.nan, 2],
'C': [2, np.nan, 5, 6]
})
上述代码将创建一个数据框，并添加 NaN 值。在此示例中，使用了 numpy 中的 NaN 常量，也可以通过其他方式从 numpy 中获取 NaN 常量。
以上就是在 Pandas 中创建 NaN 值的方法及其示例，希望能对你有所帮助。
本文链接：http://task.lmcjl.com/news/17452.html