博客

pandas学习之df.fillna的具体使用

  • Post category:Python

标题: pandas学习之df.fillna的具体使用

简介

在数据分析过程中，经常会遇到数据缺失的情况，如果数据缺失严重，就会影响后续分析的结果和准确性。在pandas中，使用fillna方法来填充缺失值是常见的解决方法，本文将详细讲解fillna方法的使用方法和示例。

语法

df.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

fillna方法有多个参数，其中比较常用的是value和method，下面对这两个参数进行详细说明。

value参数

value参数可以指定填充的值，可以是一个标量值，也可以是一个字典，使用字典时，键名表示列名，键值表示该列的填充值。

method参数

method参数可以指定填充的方法，具体有以下几种方式：
– ffill或pad：用前面的值进行填充；
– bfill或backfill：用后面的值进行填充；
– nearest：使用最接近的值进行填充。

示例

示例一：使用固定值填充

import pandas as pd
import numpy as np

# 创建一个包含缺失值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})

# 使用0填充缺失值
df.fillna(value=0, inplace=True)
print(df)

输出结果为：

     A    B     C
0  1.0  5.0   9.0
1  2.0  0.0  10.0
2  0.0  7.0  11.0
3  4.0  8.0   0.0

示例二：使用前一个值进行填充

import pandas as pd
import numpy as np

# 创建一个包含缺失值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})

# 使用前面的值进行填充
df.fillna(method='ffill', inplace=True)
print(df)

输出结果为：

     A    B     C
0  1.0  5.0   9.0
1  2.0  5.0  10.0
2  2.0  7.0  11.0
3  4.0  8.0  11.0

以上两个示例演示了fillna方法的基本用法，可以根据实际情况选择不同的填充方式和填充值，以达到最优化分析结果的目的。

总结

  • fillna方法可以用于填充缺失值，常用参数为value和method；
  • value参数可以指定填充的值，可以是一个标量值或一个字典，字典的键名表示列名，字典的键值表示该列的填充值；
  • method参数可以指定填充的方式，可以是ffill、bfill、或nearest，默认为None。
Tags: