pandas學習之df.fillna的具體使用

更新時間：2022年08月16日 14:58:02 作者：非昨

本文主要介紹了pandas學習之df.fillna的具體使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

構建實例：

import numpy as np
import pandas as pd
df = pd.DataFrame([[np.nan,22,23,np.nan],[31,np.nan,12,34],[np.nan,np.nan,np.nan,23],
[15,17,66,np.nan]],columns=list('ABCD'))
df


?? ?A?? ??? ?B?? ??? ?C?? ??? ?D
0?? ?NaN?? ??? ?22.0?? ?23.0?? ?NaN
1?? ?31.0?? ?NaN?? ??? ?12.0?? ?34.0
2?? ?NaN?? ??? ?NaN?? ??? ?NaN?? ??? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?NaN

value:scalar,series,dict,dataframe

填充的值，可以是一個標量，或者字典等

df.fillna(value=1)#缺失值填充為1
    A        B        C        D
0    1.0        22.0    23.0    1.0
1    31.0    1.0        12.0    34.0
2    1.0        1.0        1.0        23.0
3    15.0    17.0    66.0    1.0
------------------------------------------
df.fillna(value={'A':2,'B':3})# 傳入一個字典，指定某列填充的具體值
    A        B        C        D
0    2.0        22.0    23.0    NaN
1    31.0    3.0        12.0    34.0
2    2.0        3.0        NaN        23.0
3    15.0    17.0    66.0    NaN

method：{backfill,bfill,pad,ffill,none},default none

填充的方法，backfill和bfill代表填充后側值，ffill和pad填充空值前側值

df.fillna(method='ffill')#向前填充，注意此處默認參數(shù)axis=0，所以空值是填充上一行的數(shù)據(jù)，而不是前一列。

?? ?A?? ??? ?B?? ??? ?C?? ??? ?D
0?? ?NaN?? ??? ?22.0?? ?23.0?? ?NaN
1?? ?31.0?? ?22.0?? ?12.0?? ?34.0
2?? ?31.0?? ?22.0?? ?12.0?? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?23.0

axis：
控制行列的參數(shù)，用法和其他方法完全相同

inplace：
是否將結果賦值給原變量，和其他方法里的用法相同

limit：int 或None
向前或后填充的最大數(shù)量，必須是大于0的整數(shù)
如果指定了method參數(shù)，則連續(xù)空值值填充前int個
如果未指定method參數(shù)，則只填充所在軸上的前int空值

?? ?A?? ??? ?B?? ??? ?C?? ??? ?D#原數(shù)據(jù)
0?? ?NaN?? ??? ?22.0?? ?23.0?? ?NaN
1?? ?31.0?? ?NaN?? ??? ?12.0?? ?34.0
2?? ?NaN?? ??? ?NaN?? ??? ?NaN?? ??? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?NaN

df.fillna(value=0,axis=1,limit=1)#在ABCD列上，每列只填充第一個空值
?? ?A?? ??? ?B?? ??? ?C?? ??? ?D
0?? ?0.0?? ??? ?22.0?? ?23.0?? ?0.0
1?? ?31.0?? ?0.0?? ??? ?12.0?? ?34.0
2?? ?NaN?? ??? ?NaN?? ??? ?0.0?? ??? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?NaN

到此這篇關于pandas學習之df.fillna的具體使用的文章就介紹到這了,更多相關pandas df.fillna內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: