Pandas之Fillna填充缺失數(shù)據(jù)的方法
更新時(shí)間：2019年06月25日 14:14:56 作者：yungeisme
這篇文章主要介紹了Pandas之Fillna填充缺失數(shù)據(jù)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
約定：
import pandas as pd import numpy as np from numpy import nan as NaN
填充缺失數(shù)據(jù)
fillna()是最主要的處理方式了。
df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]]) df1
代碼結(jié)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 |
用常數(shù)填充：
df1.fillna(100)
代碼結(jié)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 |
通過(guò)字典填充不同的常數(shù)：
df1.fillna({0:10,1:20,2:30})
代碼結(jié)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 |
傳入inplace=True直接修改原對(duì)象：
df1.fillna(0,inplace=True) df1
代碼結(jié)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 |
傳入method=” “改變插值方式：
df2=pd.DataFrame(np.random.randint(0,10,(5,5))) df2.iloc[1:4,3]=NaN;df2.iloc[2:4,4]=NaN df2
代碼結(jié)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')#用前面的值來(lái)填充
代碼結(jié)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 |
傳入limit=” “限制填充個(gè)數(shù)：
df2.fillna(method='bfill',limit=2)
代碼結(jié)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 |
傳入axis=” “修改填充方向：
df2.fillna(method="ffill",limit=1,axis=1)
代碼結(jié)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 |
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
print在 Python3.x是一個(gè)函數(shù),但在Python2.x版本不是一個(gè)函數(shù),只是一個(gè)關(guān)鍵字,這篇文章主要給大家介紹了關(guān)于python利用print()打印田字格練習(xí)題的相關(guān)資料,需要的朋友可以參考下2024-05-05
python內(nèi)置函數(shù)compile()，complex()的使用
這篇文章主要為大家詳細(xì)介紹了python內(nèi)置函數(shù)compile()，complex()的使用，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-06-06
Python編程之string相關(guān)操作實(shí)例詳解
這篇文章主要介紹了Python編程之string相關(guān)操作,結(jié)合實(shí)例形式分析了Python字符串相關(guān)函數(shù)與常見(jiàn)操作技巧,需要的朋友可以參考下2017-07-07
python調(diào)用DLL與EXE文件截屏對(duì)比分析
這篇文章主要為大家介紹了python調(diào)用DLL與EXE文件截屏對(duì)比分析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2021-10-10
這篇文章主要為大家詳細(xì)介紹了python控制臺(tái)英漢漢英電子詞典，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2014-06-06
Python 3.8 新功能來(lái)一波(大部分人都不知道)
Python 3.8 是Python語(yǔ)言的最新版本，它適合用于編寫(xiě)腳本、自動(dòng)化以及機(jī)器學(xué)習(xí)和Web開(kāi)發(fā)等各種任務(wù)。這篇文章主要介紹了Python 3.8 新功能(大部分人都不知道),需要的朋友可以參考下2020-03-03
在PyCharm搭建OpenCV-python的環(huán)境的詳細(xì)過(guò)程
這篇文章主要介紹了在PyCharm搭建OpenCV-python的環(huán)境的詳細(xì)過(guò)程,本文通過(guò)圖文并茂的形式給大家介紹搭建步驟，對(duì)PyCharm搭建OpenCV-python環(huán)境相關(guān)知識(shí)感興趣的朋友一起看看吧2022-05-05
django請(qǐng)求返回不同的類(lèi)型圖片json,xml,html的實(shí)例
今天小編就為大家分享一篇django請(qǐng)求返回不同的類(lèi)型圖片json,xml,html的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-05-05
使用Python神器對(duì)付12306變態(tài)驗(yàn)證碼
這篇文章主要介紹了使用Python神器對(duì)付12306變態(tài)驗(yàn)證碼的相關(guān)資料,需要的朋友可以參考下2016-01-01
這篇文章主要介紹了將Python字符串生成PDF的實(shí)例代碼，本文通過(guò)代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下2019-05-05