Python：熊猫导致无效的比较类型

Question

我有两种类型的错误数据需要更正。 一个是null，另一个是Nan。

 >>> df_new
          Volume Price   
Date
2017-01-01 500  760
2017-01-02 null 760
2017-01-03 50   770
2017-01-04 null 780

另一种是NaN

 >>> df_new
          Volume Price   
Date
2017-01-01 500  760
2017-01-02 NaN 760
2017-01-03 50  770
2017-01-04 NaN 780

如何将null和NaN数据都替换为0？ 我的代码可以为null或NaN，但是我不能同时为两者工作

volume = df_new['Volume'] == 'null' or df_new['Volume'].isnull()
df_new.loc[volume,'Volume'] = 0
df_new.replace('null',np.NaN,inplace=True)
df_new.iloc[0].fillna(df_new.iloc[1].Open,inplace=True)

它返回错误

追溯（最近一次通话最后一次）：文件“ /”，第1行，在文件“ /home/.local/lib/python2.7/site-packages/pandas/core/ops.py”中，行763，在包装器res = na_op（值，其他）文件“ /home/.local/lib/python2.7/site-packages/pandas/core/ops.py”，行718，在na_op中引发TypeError（“无效类型比较”）TypeError：无效类型比较

如果volume = df_new['Volume'] == 'null'则该代码将起作用，但这将无法纠正数据，因为它是NaN，并用0代替

Answer 1

将replace用于替换null ，将fillna用于替换NaN和None ：

df['Volume'] = df['Volume'].replace('null', np.nan).fillna(0)

要么：

df['Volume'] = df['Volume'].replace('null', 0).fillna(0)

要检测null或NaN添加| 对于按位or和括号：

volume = (df_new['Volume'] == 'null') | (df_new['Volume'].isnull())