df.fillna

python pandas框架df.fillna方法参数使用详解

Pandas的fillna()方法用于填充数据帧中的缺失值。它可以在DataFrame对象上调用，并使用不同的参数来指定填充缺失值的策略。下面是使用fillna()方法的详细步骤和说明：

步骤1：导入必要的库和创建DataFrame
首先，导入pandas库并创建一个示例DataFrame，以便演示fillna()方法的用法。以下是创建DataFrame的示例代码：

import pandas as pd

# 创建示例DataFrame
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 6, 7, None, 9],
        'C': [10, 11, 12, 13, None]}
df = pd.DataFrame(data)

在上面的代码中，我们创建了一个包含一些缺失值的示例DataFrame，其中列’A’、’B’和’C’分别包含了一些缺失值。

步骤2：使用fillna()方法填充缺失值
使用fillna()方法可以填充缺失值。下面是填充缺失值的几种常见方法：

2.1. 使用常量填充缺失值
最简单的方法是使用一个常量值来填充缺失值。可以通过将常量值作为fillna()方法的参数来实现。以下是示例代码：

# 使用常量值0填充缺失值
df_filled = df.fillna(0)
print(df_filled)

上述代码将所有缺失值替换为0，并将填充后的DataFrame存储在df_filled变量中。

2.2. 使用前一个非缺失值填充缺失值
有时候希望使用前一个非缺失值来填充缺失值。这可以通过使用fillna()方法的method参数为ffill来实现。以下是示例代码：

# 使用前一个非缺失值填充缺失值
df_filled = df.fillna(method='ffill')
print(df_filled)

上述代码将每个缺失值替换为其前一个非缺失值，并将填充后的DataFrame存储在df_filled变量中。

2.3. 使用后一个非缺失值填充缺失值
类似地，可以使用后一个非缺失值来填充缺失值。可以使用fillna()方法的method参数为bfill来实现。以下是示例代码：

# 使用后一个非缺失值填充缺失值
df_filled = df.fillna(method='bfill')
print(df_filled)

上述代码将每个缺失值替换为其后一个非缺失值，并将填充后的DataFrame存储在df_filled变量中。

# 沿着列轴向使用前一个非缺失值填充缺失值
df_filled = df.fillna(method='ffill', axis=0)
print(df_filled)

# 沿着行轴向使用前一个非缺失值填充缺失值
df_filled = df.fillna(method='ffill', axis=1)
print(df_filled)

# 使用线性插值填充缺失值
df_filled = df.interpolate()
print(df_filled)

# 使用列的平均值填充缺失值
mean_value = df.mean()
df_filled = df.fillna(value=mean_value)
print(df_filled)

# 使用列的中位数填充缺失值
median_value = df.median()
df_filled = df.fillna(value=median_value)
print(df_filled)

# 使用列的众数填充缺失值
mode_value = df.mode().iloc[0]
df_filled = df.fillna(value=mode_value)
print(df_filled)

# 在原地填充缺失值
df.fillna(0, inplace=True)
print(df)

喜欢 (0)赏

[]

分享 (0)