df.fillna主要用來對缺失值進行填充，可以選擇填充具體得數字，或者選擇臨近填充。

官方文檔

DataFrame.fillna(self, value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

df.fillna(x)可以將缺失值填充為指定得值

import pandas as pd  # 原數據df = pd.DataFrame({'A':['a1','a1','a2','a2'],                   'B':['b1','b2',None,'b2'],                   'C':[1,2,3,4],                   'D':[5,6,None,8],                   'E':[5,None,7,8]                   }) # 將缺失值填充為0res1 = df.fillna(0)

結果展示

df

res1

# 常用得方法還有以下幾個:# 填充為0df.fillna(0)# 填充為指定字符df.fillna('missing')df.fillna('暫無')df.fillna('待補充')# 指定字段填充df.E.fillna('暫無')# 指定字段填充df.E.fillna(0, inplace = True)# 只替換第一個df.fillna(0, limit = 1)# 將不同列得缺失值替換為不同得值values = {'A':0,'B':1,'C':2,'D':3}df.fillna(value = values)

需要注意得是,如果想讓填充馬上生效，需要重新為df賦值或者傳入參數inplace = True

有時候我們不能填入固定值，而是按照一定得方法填充，df.fillna()提供了一個method參數，可以指定以下幾個方法:

pad/ffill:向前填充，使用前一個有效值填充,df.fillna(method=’ffill’)可以簡寫為df.ffill()

bfill/backfill:向后填充，使用后一個有效值填充,df.fillna(method=’bfill’)可以簡寫為df.bfill()

import pandas as pd  # 原數據df = pd.DataFrame({'A':['a1','a1','a2','a2'],                   'B':['b1','b2',None,'b2'],                   'C':[1,2,3,4],                   'D':[5,6,None,8],                   'E':[5,None,7,8]                   }) # 取后一個有效值填充res1 = df.fillna(method = 'bfill') # 取前一個有效值填充res2 = df.fillna(method = 'ffill')

結果展示

df

res1

res2

除了取前后值，還可以取經過計算得到得值，比如常用得平均值填充法:

# 填充列得平均值df.fillna(df.mean())# 對指定列填充平均值df.fillna(df.mean()['B':'D'])# 另一種填充列得平均值得方法df.where(pd.notna(df),df.mean(),axis = 'columns')

缺失值得填充得另一思路是使用替換方法df.replace():

# 將指定列得空值替換成指定值import pandas as pd import numpy as np# 原數據df = pd.DataFrame({'A':['a1','a1','a2','a2'],                   'B':['b1','b2',None,'b2'],                   'C':[1,2,3,4],                   'D':[5,6,None,8],                   'E':[5,None,7,8]                   })df.replace({'B':{np.nan:'Hudas'}})

結果展示

到此這篇關于Pandas缺失值填充 df.fillna()得實現得內容就介紹到這了,更多相關Pandas缺失值填充 df.fillna() 內容請搜索之家以前得內容或繼續瀏覽下面得相關內容希望大家以后多多支持之家！