Pandas缺失值填充df.fillna()得實現(xiàn)

df.fillna主要用來對缺失值進(jìn)行填充，可以選擇填充具體得數(shù)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(shù)據(jù)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(jié)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(bǔ)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?yún)?shù)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(shù)，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(shù)據(jù)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(jié)果展示

df

res1

res2

除了取前后值，還可以取經(jīng)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(shù)據(jù)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(jié)果展示

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