ORM轉(zhuǎn)PANDAS的fillna這類函數(shù)不能用的問題

ORM直接轉(zhuǎn)pf的空值感覺是'', 但是fillna函數(shù)處理的空值都是NaN曹步,所以用不了這些函數(shù)

直接用loc賦值

參考:

product_all_db_new.loc[product_all_db_new['貨品成本'] =='', '貨品成本'] ='0'

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末幸乒,一起剝皮案震驚了整個(gè)濱河市啊送,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌收津,老刑警劉巖裳扯,帶你破解...
    沈念sama閱讀 206,968評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異噪珊,居然都是意外死亡晌缘,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,601評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門痢站,熙熙樓的掌柜王于貴愁眉苦臉地迎上來磷箕,“玉大人,你說我怎么就攤上這事阵难≡兰希” “怎么了?”我有些...
    開封第一講書人閱讀 153,220評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵呜叫,是天一觀的道長空繁。 經(jīng)常有香客問我,道長朱庆,這世上最難降的妖魔是什么盛泡? 我笑而不...
    開封第一講書人閱讀 55,416評(píng)論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮娱颊,結(jié)果婚禮上傲诵,老公的妹妹穿的比我還像新娘。我一直安慰自己箱硕,他們只是感情好拴竹,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,425評(píng)論 5 374
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著颅痊,像睡著了一般殖熟。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上斑响,一...
    開封第一講書人閱讀 49,144評(píng)論 1 285
  • 那天菱属,我揣著相機(jī)與錄音,去河邊找鬼舰罚。 笑死纽门,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的营罢。 我是一名探鬼主播赏陵,決...
    沈念sama閱讀 38,432評(píng)論 3 401
  • 文/蒼蘭香墨 我猛地睜開眼饼齿,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼!你這毒婦竟也來了蝙搔?” 一聲冷哼從身側(cè)響起缕溉,我...
    開封第一講書人閱讀 37,088評(píng)論 0 261
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎吃型,沒想到半個(gè)月后证鸥,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,586評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡勤晚,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,028評(píng)論 2 325
  • 正文 我和宋清朗相戀三年枉层,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片赐写。...
    茶點(diǎn)故事閱讀 38,137評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡鸟蜡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出挺邀,到底是詐尸還是另有隱情揉忘,我是刑警寧澤,帶...
    沈念sama閱讀 33,783評(píng)論 4 324
  • 正文 年R本政府宣布端铛,位于F島的核電站癌淮,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏沦补。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,343評(píng)論 3 307
  • 文/蒙蒙 一咪橙、第九天 我趴在偏房一處隱蔽的房頂上張望夕膀。 院中可真熱鬧,春花似錦美侦、人聲如沸产舞。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,333評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽易猫。三九已至,卻和暖如春具壮,著一層夾襖步出監(jiān)牢的瞬間准颓,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,559評(píng)論 1 262
  • 我被黑心中介騙來泰國打工棺妓, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留攘已,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,595評(píng)論 2 355
  • 正文 我出身青樓怜跑,卻偏偏與公主長得像样勃,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,901評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容

  • pyspark.sql模塊 模塊上下文 Spark SQL和DataFrames的重要類: pyspark.sql...
    mpro閱讀 9,446評(píng)論 0 13
  • pandas官方文檔:http://pandas.pydata.org/pandas-docs/stable/ap...
    肖月_1d28閱讀 6,129評(píng)論 2 6
  • 開始吧! pandas主要用于數(shù)據(jù)分析,準(zhǔn)確而言,是對(duì)數(shù)值的分析,而Python對(duì)Excel和SPSS的超越之處就...
    且行歌閱讀 1,490評(píng)論 0 1
  • 數(shù)據(jù)的取值與選擇 series 數(shù)據(jù)選擇方式 1峡眶、將series看做字典 2剧防、將series當(dāng)做一維數(shù)組【解釋】:...
    Alcazar閱讀 958評(píng)論 0 6
  • Series 由數(shù)組和列表創(chuàng)建Series是一個(gè)淺拷貝(只拷貝引用地址,不拷貝對(duì)象本身)對(duì)象數(shù)值變化辫樱,數(shù)組也變 f...
    萌木蓋閱讀 809評(píng)論 0 0