广告位联系
返回顶部
分享到

pandas学习之df.fillna的具体使用

python 来源:互联网 作者:佚名 发布时间:2022-08-16 18:12:45 人浏览
摘要

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 1 DataFrame.fillna(self, value=None, method=None, axis=None, inplace=False, limit=None, downcast=None) 解释 构建实

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

1

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

解释

构建实例:

1

2

3

4

5

6

7

8

9

10

11

12

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

1

2

3

4

5

6

7

8

9

10

11

12

13

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
 

1

2

3

4

5

6

7

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
 

1

2

3

4

5

6

7

8

9

10

11

12

    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


版权声明 : 本文内容来源于互联网或用户自行发布贡献,该文观点仅代表原作者本人。本站仅提供信息存储空间服务和不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权, 违法违规的内容, 请发送邮件至2530232025#qq.cn(#换@)举报,一经查实,本站将立刻删除。
原文链接 : https://blog.csdn.net/lisnyuan/article/details/107051836
相关文章
  • Python Django教程之实现新闻应用程序

    Python Django教程之实现新闻应用程序
    Django是一个用Python编写的高级框架,它允许我们创建服务器端Web应用程序。在本文中,我们将了解如何使用Django创建新闻应用程序。 我们将
  • 书写Python代码的一种更优雅方式(推荐!)

    书写Python代码的一种更优雅方式(推荐!)
    一些比较熟悉pandas的读者朋友应该经常会使用query()、eval()、pipe()、assign()等pandas的常用方法,书写可读性很高的「链式」数据分析处理代码
  • Python灰度变换中伽马变换分析实现

    Python灰度变换中伽马变换分析实现
    1. 介绍 伽马变换主要目的是对比度拉伸,将图像灰度较低的部分进行修正 伽马变换针对的是对单个像素点的变换,也就是点对点的映射 形
  • 使用OpenCV实现迷宫解密的全过程

    使用OpenCV实现迷宫解密的全过程
    一、你能自己走出迷宫吗? 如下图所示,可以看到是一张较为复杂的迷宫图,相信也有人尝试过自己一点一点的找出口,但我们肉眼来解谜
  • Python中的数据精度问题的介绍

    Python中的数据精度问题的介绍
    一、python运算时精度问题 1.运行时精度问题 在Python中(其他语言中也存在这个问题,这是计算机采用二进制导致的),有时候由于二进制和
  • Python随机值生成的常用方法

    Python随机值生成的常用方法
    一、随机整数 1.包含上下限:[a, b] 1 2 3 4 import random #1、随机整数:包含上下限:[a, b] for i in range(10): print(random.randint(0,5),end= | ) 查看运行结
  • Python字典高级用法深入分析讲解
    一、 collections 中 defaultdict 的使用 1.字典的键映射多个值 将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
  • Python浅析多态与鸭子类型使用实例
    什么多态:同一事物有多种形态 为何要有多态=》多态会带来什么样的特性,多态性 多态性指的是可以在不考虑对象具体类型的情况下而直
  • Python字典高级用法深入分析介绍
    一、 collections 中 defaultdict 的使用 1.字典的键映射多个值 将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
  • Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本

    Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本
    我们的目标是秒杀淘宝或京东等的订单,这里面有几个关键点,首先需要登录淘宝或京东,其次你需要准备好订单,最后要在指定时间快速
  • 本站所有内容来源于互联网或用户自行发布,本站仅提供信息存储空间服务,不拥有版权,不承担法律责任。如有侵犯您的权益,请您联系站长处理!
  • Copyright © 2017-2022 F11.CN All Rights Reserved. F11站长开发者网 版权所有 | 苏ICP备2022031554号-1 | 51LA统计