Pandas之Fillna填充缺失数据的方法

约定：

import pandas as pd
import numpy as np
from numpy import nan as NaN

填充缺失数据

fillna()是最主要的处理方式了。

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1

代码结果：

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

用常数填充：

df1.fillna(100)

代码结果：

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

通过字典填充不同的常数：

df1.fillna({0:10,1:20,2:30})

代码结果：

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

传入inplace=True直接修改原对象：

df1.fillna(0,inplace=True)
df1

代码结果：

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

传入method=” “改变插值方式：

df2=pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3]=NaN;df2.iloc[2:4,4]=NaN
df2

代码结果：

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')#用前面的值来填充

代码结果：

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

传入limit=” “限制填充个数：

df2.fillna(method='bfill',limit=2)

代码结果：

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

传入axis=” “修改填充方向：

df2.fillna(method="ffill",limit=1,axis=1)

代码结果：

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内容，希望对大家的学习有所帮助，也希望大家多多支持。