pandas学习之df.fillna的具体使用

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)

解释

构建实例：

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，可以是一个标量，或者字典等

df.fillna(value=1)#缺失值填充为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})# 传入一个字典，指定某列填充的具体值
    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代表填充后侧值，ffill和pad填充空值前侧值
 

df.fillna(method='ffill')#向前填充，注意此处默认参数axis=0，所以空值是填充上一行的数据，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：
控制行列的参数，用法和其他方法完全相同

inplace：
是否将结果赋值给原变量，和其他方法里的用法相同

limit：int 或None
向前或后填充的最大数量，必须是大于0的整数
如果指定了method参数，则连续空值值填充前int个
如果未指定method参数，则只填充所在轴上的前int空值
 

    A        B        C        D#原数据
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，每列只填充第一个空值
    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

到此这篇关于pandas学习之df.fillna的具体使用的文章就介绍到这了,更多相关pandas df.fillna内容请搜索猪先飞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猪先飞！