Pandas之Fillna填充缺失数据的方法
作者：yungeisme 发布时间：2022-11-17 20:17:12
标签：Pandas,Fillna,填充,缺失数据
约定：
import pandas as pd
import numpy as np
from numpy import nan as NaN
填充缺失数据
fillna()是最主要的处理方式了。
df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1
代码结果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | NaN | NaN | 2.0 |
| 2 | NaN | NaN | NaN |
| 3 | 8.0 | 8.0 | NaN |
用常数填充：
df1.fillna(100)
代码结果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | 100.0 | 100.0 | 2.0 |
| 2 | 100.0 | 100.0 | 100.0 |
| 3 | 8.0 | 8.0 | 100.0 |
通过字典填充不同的常数：
df1.fillna({0:10,1:20,2:30})
代码结果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | 10.0 | 20.0 | 2.0 |
| 2 | 10.0 | 20.0 | 30.0 |
| 3 | 8.0 | 8.0 | 30.0 |
传入inplace=True直接修改原对象：
df1.fillna(0,inplace=True)
df1
代码结果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | 0.0 | 0.0 | 2.0 |
| 2 | 0.0 | 0.0 | 0.0 |
| 3 | 8.0 | 8.0 | 0.0 |
传入method=” “改变插值方式：
df2=pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3]=NaN;df2.iloc[2:4,4]=NaN
df2
代码结果：
| 0 | 1 | 2 | 3 | 4 | |
|---|---|---|---|---|---|
| 0 | 6 | 6 | 2 | 4.0 | 1.0 |
| 1 | 4 | 7 | 0 | NaN | 5.0 |
| 2 | 6 | 5 | 5 | NaN | NaN |
| 3 | 1 | 9 | 9 | NaN | NaN |
| 4 | 4 | 8 | 1 | 5.0 | 9.0 |
df2.fillna(method='ffill')#用前面的值来填充
代码结果：
| 0 | 1 | 2 | 3 | 4 | |
|---|---|---|---|---|---|
| 0 | 6 | 6 | 2 | 4.0 | 1.0 |
| 1 | 4 | 7 | 0 | 4.0 | 5.0 |
| 2 | 6 | 5 | 5 | 4.0 | 5.0 |
| 3 | 1 | 9 | 9 | 4.0 | 5.0 |
| 4 | 4 | 8 | 1 | 5.0 | 9.0 |
传入limit=” “限制填充个数：
df2.fillna(method='bfill',limit=2)
代码结果：
| 0 | 1 | 2 | 3 | 4 | |
|---|---|---|---|---|---|
| 0 | 6 | 6 | 2 | 4.0 | 1.0 |
| 1 | 4 | 7 | 0 | NaN | 5.0 |
| 2 | 6 | 5 | 5 | 5.0 | 9.0 |
| 3 | 1 | 9 | 9 | 5.0 | 9.0 |
| 4 | 4 | 8 | 1 | 5.0 | 9.0 |
传入axis=” “修改填充方向：
df2.fillna(method="ffill",limit=1,axis=1)
代码结果：
| 0 | 1 | 2 | 3 | 4 | |
|---|---|---|---|---|---|
| 0 | 6.0 | 6.0 | 2.0 | 4.0 | 1.0 |
| 1 | 4.0 | 7.0 | 0.0 | 0.0 | 5.0 |
| 2 | 6.0 | 5.0 | 5.0 | 5.0 | NaN |
| 3 | 1.0 | 9.0 | 9.0 | 9.0 | NaN |
| 4 | 4.0 | 8.0 | 1.0 | 5.0 | 9.0 |
来源：https://blog.csdn.net/weixin_38168620/article/details/79596819
0
投稿猜你喜欢
- 节日用心准备的礼物，使用python画玫瑰和爱心，供大家参考，具体内容如下#!/usr/bin/env python#coding=utf-
如果用树作为索引的数据结构，每查找一次数据就会从磁盘中读取树的一个节点，也就是一页，而二叉树的每个节点只存储一条数据，并不能填满一页的存储空- 前言在我们日常生活中，时间概念常伴我们左右。让我们简单的回忆一下自己的一天，大致有以下时间点：8:00，清晨的阳光照射到床头伴着闹钟，你从睡
- 记录下第一次使用Python读写文件的过程，虽然很简单，第一次实现其实也有些注意的事项。单个文件的读操作：我们先假设一个需求如下：读取一个t
- 注释标注解释，目的是帮助读者理解的文本也就是说，注释首先是文本，其二是说明，其三是思路，其四是例子注释有两种形式1. # ... 单行注释用
- 很有创意的鼠标指针风筝，看起来非常有意思。在网络上看到的，一下也想不起来是那里的了，所以特别说一下图片是来自网络的，版权归作者所有。
- 1、安装requests、xlrd、json、unittest库<1>pip 命令安装：pip install requests
- 处理多个数据和多文件时，使用for循环的速度非常慢，此时需要用多线程来加速运行进度，常用的模块为multiprocess和joblib，下面
- 1.1.1 摘要 相信大家对于SQL Transcation再熟悉不过，它确保了数据库的数据一致性和安全性，尤其在对数据执行增删时，如果发生
- Pycharm Database Navigator连接mysql1.安装Database Navigator由于使用的是Pycharm C
- 要在自己的网站上添加一个天气预报功能，是一个很普通的需求，实现起来也不是很难。今天来介绍几个简单的方法。使用第三方服务有这样的一种简单的方式
- #!/usr/bin/python# -*- coding: utf-8 -*-from scapy.all import *from ti
- HTTP格式HTTP GET请求的格式：GET /path HTTP/1.1Header1: Value1Header2: Value2He
- 需求：给定一个数组和一个正整数，要求把数组分割成多个正整数大小的数组，如果不够分，则最后一个数组分到剩余的所有元素。示例1：数组：[1, 2
- 异常的参数一个异常可以带上参数，可作为输出的异常信息参数。你可以通过except语句来捕获异常的参数，如下所示：变量接收的异常值通常包含在异
- 二进制核心思想：冯诺依曼 + 图灵机电如何表示状态，才能稳定？计算机开始设计的时候并不是考虑简单，而是考虑能自动完成任务与结果的可靠性，简单
- 有朋友问,在数据库中如何查询数据所在的行,一般我们建议一个自增字段就可以了.但是有时却会删除数据,那么那个自增字段也不正确了先不管朋友们为什
- vue封装常用工具类公司要新开一个项目，我来分享一下简单封装常用的工具类首先在util目录下创建一个Common.js文件然后开始封装1.验
- 多线程多线程是个提高程序运行效率的好办法，本来要顺序执行的程序现在可以并行执行，可想而知效率要提高很多。但是多线程也不是能提高所有程序的效率
- 现在有越来越多的个人主页站长需要了解如何如何在windows系统下配置自己的php,cgi服务器，以方便本地调试cgi和php的程序。我们可
