迹忆客 专注技术分享

pandas.DataFrame.fillna() 函数将 DataFrame 中的 NaN 值替换为某个值。

pandas.DataFrame.fillna() 语法

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

参数

返回值

如果 inplace 为 True，则用给定的 value 替换所有 NaN 值的 DataFrame；否则为 None。

示例代码：用 DataFrame.fillna() 方法填充所有 DataFrame 中的 NaN 值

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2, 3, np.nan, 3],
                   'Y': [4, np.nan, 8, np.nan, 3]})
print("DataFrame:")
print(df)

filled_df = df.fillna(5)

print("Filled DataFrame:")
print(filled_df)

输出：

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Filled DataFrame:
     X    Y
0  1.0  4.0
1  2.0  5.0
2  3.0  8.0
3  5.0  5.0
4  3.0  3.0

它用 pandas.DataFrame.fillna() 方法中作为参数提供的 5 填充 DataFrame 中的所有 NaN 值。

DataFrame.fillna() 中的平均数

我们可以用一列的平均值来代替该列的 NaN 值。

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2, 3, np.nan, 3],
                   'Y': [4, np.nan, 8, np.nan, 3]})
print("DataFrame:")
print(df)

df.fillna(df.mean(),inplace=True)

print("Filled DataFrame:")
print(df)

输出：

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Filled DataFrame:
      X    Y
0  1.00  4.0
1  2.00  5.0
2  3.00  8.0
3  2.25  5.0
4  3.00  3.0

它将 X 列的 NaN 值用 X 列的平均值填充，Y 列的 NaN 值用 Y 列的平均值填充。

由于 inplace=True，调用 fillna() 函数后，原 DataFrame 被修改。

DataFrame.fillna() 用 0 来填充

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2, 3, np.nan, 3],
                   'Y': [4, np.nan, 8, np.nan, 3]})
print("DataFrame:")
print(df)

df.fillna(0,inplace=True)

print("Filled DataFrame:")
print(df)

输出：

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Filled DataFrame:
     X    Y
0  1.0  4.0
1  2.0  0.0
2  3.0  8.0
3  0.0  0.0
4  3.0  3.0

它用 0 填充所有 NaN。

示例代码：DataFrame.fillna() 方法，参数为 method

我们也可以使用不同的 “方法 “参数在 DataFrame 中填充 NaN 值。

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2, 3, np.nan, 3],
                   'Y': [4, np.nan, 8, np.nan, 3]})
print("DataFrame:")
print(df)

filled_df = df.fillna(method="backfill")

print("Filled DataFrame:")
print(filled_df)

输出：

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Filled DataFrame:
     X    Y
0  1.0  4.0
1  2.0  8.0
2  3.0  8.0
3  3.0  3.0
4  3.0  3.0

设置 method="backfill" 将所有的 DataFrame 中的 NaN 值填充到同一列的 NaN 值之后。

我们也可以使用 bfill、pad 和 ffill 方法来填充 DataFrame 中的 NaN 值。

示例代码：DataFrame.fillna() 方法的 limit 参数

DataFrame.fillna() 方法中的 limit 参数限制了该方法所要填充的连续 NaN 值的最大数量。

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2,np.nan, 3,3],
                   'Y': [4, np.nan, 8, np.nan, 3]})
print("DataFrame:")
print(df)

filled_df = df.fillna(3,limit=1)

print("Filled DataFrame:")
print(filled_df)

输出：

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  NaN  8.0
3  3.0  NaN
4  3.0  3.0
Filled DataFrame:
     X    Y
0  1.0  4.0
1  2.0  3.0
2  3.0  8.0
3  3.0  NaN
4  3.0  3.0

在这里，一旦一列中的 NaN 值被填满，同一列中的其他 NaN 值将保持原样。