在Python編程中，經(jīng)常會(huì)遇到缺失值的情況。而在處理缺失值時(shí)，我們通常會(huì)使用NaN（Not a Number）來(lái)代表缺失值。Python中，我們可以使用pandas庫(kù)來(lái)賦值NaN值。

首先，我們需要導(dǎo)入pandas庫(kù)：

import pandas as pd

然后，我們可以使用pandas中的Series或DataFrame對(duì)象的replace()函數(shù)將某些數(shù)值替換為NaN。例如，我們可以將所有值為0的元素替換為NaN：

# 構(gòu)造一個(gè)包含0的Series
s = pd.Series([1, 0, 3, 4, 0, 6])
# 將0替換為NaN
s.replace(0, float('nan'), inplace=True)
print(s)

輸出結(jié)果：

0    1.0
1    NaN
2    3.0
3    4.0
4    NaN
5    6.0
dtype: float64

除了替換特定數(shù)值以外，我們也可以使用pandas中的isnull()函數(shù)來(lái)判斷某個(gè)元素是否為NaN。例如：

# 構(gòu)造一個(gè)包含NaN的Series
s = pd.Series([1, float('nan'), 3, 4, float('nan'), 6])
# 判斷是否為空值
mask = s.isnull()
print(mask)

輸出結(jié)果：

0    False
1     True
2    False
3    False
4     True
5    False
dtype: bool

賦值NaN值在數(shù)據(jù)清洗和處理中非常常見(jiàn)，希望大家能夠熟練掌握。