脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Pandas缺失值填充 df.fillna()

Pandas缺失值填充 df.fillna()的实现

 更新时间：2022年07月24日 11:52:11   作者：山茶花开时。  
本文主要介绍了Pandas缺失值填充 df.fillna()的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

df.fillna主要用来对缺失值进行填充，可以选择填充具体的数字，或者选择临近填充。

官方文档

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

df.fillna(x)可以将缺失值填充为指定的值

import pandas as pd 
 
# 原数据
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]
                   })
 
# 将缺失值填充为0
res1 = df.fillna(0)

结果展示

df

res1

# 常用的方法还有以下几个:
# 填充为0
df.fillna(0)
# 填充为指定字符
df.fillna('missing')
df.fillna('暂无')
df.fillna('待补充')
# 指定字段填充
df.E.fillna('暂无')
# 指定字段填充
df.E.fillna(0, inplace = True)
# 只替换第一个
df.fillna(0, limit = 1)
# 将不同列的缺失值替换为不同的值
values = {'A':0,'B':1,'C':2,'D':3}
df.fillna(value = values)

需要注意的是,如果想让填充马上生效，需要重新为df赋值或者传入参数inplace = True

有时候我们不能填入固定值，而是按照一定的方法填充，df.fillna()提供了一个method参数，可以指定以下几个方法:

pad/ffill:向前填充，使用前一个有效值填充,df.fillna(method=’ffill’)可以简写为df.ffill()

bfill/backfill:向后填充，使用后一个有效值填充,df.fillna(method=’bfill’)可以简写为df.bfill()

import pandas as pd 
 
# 原数据
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]
                   })
 
# 取后一个有效值填充
res1 = df.fillna(method = 'bfill')
 
# 取前一个有效值填充
res2 = df.fillna(method = 'ffill')

结果展示

df

res1

res2

除了取前后值，还可以取经过计算得到的值，比如常用的平均值填充法:

# 填充列的平均值
df.fillna(df.mean())
# 对指定列填充平均值
df.fillna(df.mean()['B':'D'])
# 另一种填充列的平均值的方法
df.where(pd.notna(df),df.mean(),axis = 'columns')

缺失值的填充的另一思路是使用替换方法df.replace():

# 将指定列的空值替换成指定值
import pandas as pd 
import numpy as np
# 原数据
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'}})

结果展示

到此这篇关于Pandas缺失值填充 df.fillna()的实现的文章就介绍到这了,更多相关Pandas缺失值填充 df.fillna() 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • Python兔子毒药问题实例分析

    Python兔子毒药问题实例分析

    这篇文章主要介绍了Python兔子毒药问题,实例分析了兔子毒药问题的算法原理与Python解决方法,需要的朋友可以参考下
    2015-03-03
  • Python pip通过requirements.txt 文件安装依赖

    Python pip通过requirements.txt 文件安装依赖

    requirements.txt是定义项目依赖的python包,可通过工具生成,本文主要介绍了Python pip通过requirements.txt文件安装依赖,具有一定的参考价值,感兴趣的可以了解一下
    2024-03-03
  • Python中的Xpath和lxml库的使用详解

    Python中的Xpath和lxml库的使用详解

    这篇文章主要介绍了Python中的Xpath和lxml库的使用详解,XPath即 XML路径语言,它是一门在 XML 文档中查找信息的语言,最初被用来搜寻 XML 文档,同时它也适用于搜索 HTML 文档,因此,在爬虫过程中可以使用 XPath 来提取相应的数据,需要的朋友可以参考下
    2023-12-12
  • python操作excel的方法

    python操作excel的方法

    Openpyxl是一个常用的python库，用于对Excel的常用格式及其模板进行数据读写等操作。这篇文章主要介绍了python操作excel的方法,需要的朋友可以参考下
    2018-08-08
  • matplotlib在python上绘制3D散点图实例详解

    matplotlib在python上绘制3D散点图实例详解

    这篇文章主要介绍了matplotlib在python上绘制3D散点图实例详解，首先介绍了官网的实例，然后分享了本文简单代码示例，具有一定借鉴价值，需要的朋友可以了解下。
    2017-12-12
  • Django实现简单分页功能的方法详解

    Django实现简单分页功能的方法详解

    这篇文章主要介绍了Django实现简单分页功能的方法,结合实例形式分析了django的第三方模块django-pure-pagination的安装、使用及实现分页的相关操作技巧,需要的朋友可以参考下
    2017-12-12
  • Python中二维列表如何获取子区域元素的组成

    Python中二维列表如何获取子区域元素的组成

    这篇文章主要给大家介绍了Python中二维列表是如何获取子区域元素的组成，文中给出了详细的介绍和示例代码，相信对大家的理解和学习具有一定的参考借鉴价值，有需要的朋友们下面来一起看看吧。
    2017-01-01
  • Python程序中使用SQLAlchemy时出现乱码的解决方案

    Python程序中使用SQLAlchemy时出现乱码的解决方案

    这篇文章主要介绍了Python程序中使用SQLAlchemy时出现乱码的解决方案,SQLAlchemy是Python常用的操作MySQL数据库的工具,需要的朋友可以参考下
    2015-04-04
  • python字符串格式化(%格式符和format方式)

    python字符串格式化(%格式符和format方式)

    在编写程序的过程中,经常需要进行格式化输出,每次用每次查,干脆就在这里整理一下,下面这篇文章主要给大家介绍了关于python字符串格式化的相关资料,分别是%格式符和format方式,需要的朋友可以参考下
    2022-02-02
  • python3.8动态人脸识别的实现示例

    python3.8动态人脸识别的实现示例

    这篇文章主要介绍了python3.8动态人脸识别的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-09-09

最新评论