pandas中使用fillna函式填充NaN值

補充2. **例項

2.2 使用inplace引數

2.3 使用method引數

2.4 使用limit引數

2.5 使用axis引數

取值：true、false

true：直接修改原物件

false：建立乙個副本，修改副本，原物件不變（預設預設）

取值： , default none

pad/ffill：用前乙個非缺失值去填充該缺失值

none：指定乙個值去替換缺失值（預設預設這種方式）

限制填充個數

修改填充方向

isnull 和 notnull 函式用於判斷是否有缺失值資料

isnull：缺失值為true，非缺失值為false

notnull：缺失值為false，非缺失值為true

#導包
import pandas as pd
import numpy as np
from numpy import nan as nan
df1=pd.dataframe([[
1,2,
3],[nan,nan,2]
,[nan,nan,nan],[
8,8,nan]])
df1

**結果：

012 01.0 2.03.0 1 nan nan 2.0 2 nan nan nan 38.0

8.0 nan

#1.用常數填充
print
(df1.fillna(
100)
)print
("-----------------------"
)print
(df1)

執行結果：

012 01.0 2.03.0 1100.0 100.0 2.02 100.0 100.0 100.0 38.0 8.0100.0-- ---- ---- ---- ---- ---- -012 01.0 2.03.0 1 nan nan 2.0 2 nan nan nan 38.0

8.0 nan

第key列的nan用key對應的value值填充

df1.fillna(
)

執行結果：

012 01.0 2.03.0 110.0 20.0 2.02 10.0 20.0 30.0 38.0

8.030.0

print
(df1.fillna(
0,inplace=
true))
print
("-------------------------"
)print
(df1)

執行結果：

在這裡插入**片

1.method = 'ffill'/'pad'：用前乙個非缺失值去填充該缺失值

df2 = pd.dataframe(np.random.randint(0,
10,(5
,5))
)df2.iloc[1:
4,3]
=none
df2.iloc[2:
4,4]
=none
print
(df2)
print
("-------------------------"
)print
(df2.fillna(method=
'ffill'
))

執行結果：

012 3408 445.06.015 28 nan 7.026 31 nan nan35 49 nan nan46 546.09.0-- ---- ---- ---- ---- ---- ---0 1234 0844 5.06.015 285.07.026 315.07.035 495.07.046

546.09.0

df2 = pd.dataframe(np.random.randint(0,
10,(5
,5))
)df2.iloc[1:
4,3]
=none
df2.iloc[2:
4,4]
=none
print
(df2)
print
("-------------------------"
)print
(df2.fillna(method=
'bfill'
))

執行結果：

012 3401 041.03.014 64 nan 2.024 92 nan nan39 73 nan nan46 135.05.0-- ---- ---- ---- ---- ---- ---0 1234 0104 1.03.014 645.02.024 925.05.039 735.05.046

135.05.0

用下乙個非缺失值填充該缺失值且每列只填充2個

df2 = pd.dataframe(np.random.randint(0,
10,(5
,5))
)df2.iloc[1:
4,3]
=none
df2.iloc[2:
4,4]
=none
print
(df2)
print
("-------------------------"
)print
(df2.fillna(method=
'bfill'
, limit=2)
)

執行結果：

012 3402 044.00.017 99 nan 1.021 73 nan nan38 58 nan nan48 624.04.0-- ---- ---- ---- ---- ---- ---0 1234 0204 4.00.017 99 nan 1.021 734.04.038 584.04.048

624.04.0

axis=0 對每列資料進行操作

axis=1 對每行資料進行操作

df2 = pd.dataframe(np.random.randint(0,
10,(5
,5))
)df2.iloc[1:
4,3]
=none
df2.iloc[2:
4,4]
=none
print
(df2.fillna(method=
"ffill"
, limit=
1, axis=1)
)

執行結果：

012 3400.0 4.09.0 7.02.0 16.0 5.00.0 0.03.0 28.0 8.08.0 8.0 nan 35.0 5.06.0 6.0 nan 47.0 5.07.0

4.01.0

還有一些pandas的基礎運算請參考這篇文章->pandas | dataframe基礎運算以及空值填充

pandas中使用fillna函式填充NaN值

在pandas中使用sql

Pandas使用總結

pandas 高階使用

pandas中使用fillna函式填充NaN值

在pandas中使用sql

Pandas使用總結

pandas 高階使用

相關推薦