pandas dataframe dataframe.fillna() 函数-ag捕鱼王app官网

pandas.dataframe.fillna() 函数将 dataframe 中的 nan 值替换为某个值。

pandas.dataframe.fillna() 语法

dataframe.fillna(
    value=none, method=none, axis=none, inplace=false, limit=none, downcast=none
)

参数

返回值

如果 inplace 为 true，则用给定的 value 替换所有 nan 值的 dataframe；否则为 none。

示例代码：用 dataframe.fillna() 方法填充所有 dataframe 中的 nan 值

import pandas as pd
import numpy as np
df = pd.dataframe({'x': [1, 2, 3, np.nan, 3],
                   'y': [4, np.nan, 8, np.nan, 3]})
print("dataframe:")
print(df)
filled_df = df.fillna(5)
print("filled dataframe:")
print(filled_df)

输出：

dataframe:
     x    y
0  1.0  4.0
1  2.0  nan
2  3.0  8.0
3  nan  nan
4  3.0  3.0
filled dataframe:
     x    y
0  1.0  4.0
1  2.0  5.0
2  3.0  8.0
3  5.0  5.0
4  3.0  3.0

它用 pandas.dataframe.fillna() 方法中作为参数提供的 5 填充 dataframe 中的所有 nan 值。

dataframe.fillna() 中的平均数

我们可以用一列的平均值来代替该列的 nan 值。

import pandas as pd
import numpy as np
df = pd.dataframe({'x': [1, 2, 3, np.nan, 3],
                   'y': [4, np.nan, 8, np.nan, 3]})
print("dataframe:")
print(df)
df.fillna(df.mean(),inplace=true)
print("filled dataframe:")
print(df)

输出：

dataframe:
     x    y
0  1.0  4.0
1  2.0  nan
2  3.0  8.0
3  nan  nan
4  3.0  3.0
filled dataframe:
      x    y
0  1.00  4.0
1  2.00  5.0
2  3.00  8.0
3  2.25  5.0
4  3.00  3.0

它将 x 列的 nan 值用 x 列的平均值填充，y 列的 nan 值用 y 列的平均值填充。

由于 inplace=true，调用 fillna() 函数后，原 dataframe 被修改。

dataframe.fillna() 用 0 来填充

import pandas as pd
import numpy as np
df = pd.dataframe({'x': [1, 2, 3, np.nan, 3],
                   'y': [4, np.nan, 8, np.nan, 3]})
print("dataframe:")
print(df)
df.fillna(0,inplace=true)
print("filled dataframe:")
print(df)

输出：

dataframe:
     x    y
0  1.0  4.0
1  2.0  nan
2  3.0  8.0
3  nan  nan
4  3.0  3.0
filled dataframe:
     x    y
0  1.0  4.0
1  2.0  0.0
2  3.0  8.0
3  0.0  0.0
4  3.0  3.0

它用 0 填充所有 nan。

示例代码：dataframe.fillna() 方法，参数为 method

我们也可以使用不同的 “方法 “参数在 dataframe 中填充 nan 值。

import pandas as pd
import numpy as np
df = pd.dataframe({'x': [1, 2, 3, np.nan, 3],
                   'y': [4, np.nan, 8, np.nan, 3]})
print("dataframe:")
print(df)
filled_df = df.fillna(method="backfill")
print("filled dataframe:")
print(filled_df)

输出：

dataframe:
     x    y
0  1.0  4.0
1  2.0  nan
2  3.0  8.0
3  nan  nan
4  3.0  3.0
filled dataframe:
     x    y
0  1.0  4.0
1  2.0  8.0
2  3.0  8.0
3  3.0  3.0
4  3.0  3.0

设置 method="backfill" 将所有的 dataframe 中的 nan 值填充到同一列的 nan 值之后。

我们也可以使用 bfill、pad 和 ffill 方法来填充 dataframe 中的 nan 值。

示例代码：dataframe.fillna() 方法的 limit 参数

dataframe.fillna() 方法中的 limit 参数限制了该方法所要填充的连续 nan 值的最大数量。

import pandas as pd
import numpy as np
df = pd.dataframe({'x': [1, 2,np.nan, 3,3],
                   'y': [4, np.nan, 8, np.nan, 3]})
print("dataframe:")
print(df)
filled_df = df.fillna(3,limit=1)
print("filled dataframe:")
print(filled_df)

输出：

dataframe:
     x    y
0  1.0  4.0
1  2.0  nan
2  nan  8.0
3  3.0  nan
4  3.0  3.0
filled dataframe:
     x    y
0  1.0  4.0
1  2.0  3.0
2  3.0  8.0
3  3.0  nan
4  3.0  3.0

在这里，一旦一列中的 nan 值被填满，同一列中的其他 nan 值将保持原样。