pandas中的 fillna使用（pandas.DataFrame.fillna）

最新推荐文章于 2025-02-22 07:00:00 发布

种麦南山下

最新推荐文章于 2025-02-22 07:00:00 发布

阅读量3.2w

点赞数 12

分类专栏： pandas 文章标签： python pandas

本文链接：https://blog.csdn.net/conving/article/details/120205513

版权

pandas 专栏收录该内容

15 篇文章

订阅专栏

本文详细介绍了Pandas库中fillna函数如何处理缺失值，包括用0替换NaN，向前向后填充，按列替换特定值，限制替换次数，以及DataFrame间的替换操作。通过实例演示了各种方法的使用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

api参考：

fillna：使用指定的方法填充 NA/NaN 值。

>>> df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, 5],
                   [np.nan, 3, np.nan, 4]],
                  columns=list("ABCD"))
>>> df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4

1、用 0 替换所有 NaN 元素。

>>> df.fillna(0)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

2、我们还可以向前或向后传播非空值。

>>> df.fillna(method="ffill")
    A   B   C   D
0   NaN 2.0 NaN 0
1   3.0 4.0 NaN 1
2   3.0 4.0 NaN 5
3   3.0 3.0 NaN 4

3、将“A”、“B”、“C”和“D”列中的所有 NaN 元素分别替换为 0、1、2 和 3。

>>> values = {"A": 0, "B": 1, "C": 2, "D": 3}
>>> df.fillna(value=values)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 2.0 1
2   0.0 1.0 2.0 5
3   0.0 3.0 2.0 4

4、只替换第一个 NaN 元素。

>>> df.fillna(value=values, limit=1)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 NaN 1
2   NaN 1.0 NaN 5
3   NaN 3.0 NaN 4

5、使用 DataFrame 填充时，替换沿相同的列名和相同的索引发生

>>> df2 = pd.DataFrame(np.zeros((4, 4)), columns=list("ABCE"))
>>> df.fillna(df2)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

6、inplace 如果为 True，则就地填充。默认为 False

# 第一种情况
print df.fillna("missing", inplace=False)
         A        B        C  D
0  missing        2  missing  0
1        3        4  missing  1
2  missing  missing  missing  5
3  missing        3  missing  4


# 第二种情况
df.fillna("missing", inplace=False)
print df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4


# 第三种情况
print df.fillna("missing", inplace=True)
None


# 第四种情况
df.fillna("missing", inplace=True)
print df
         A        B        C  D
0  missing        2  missing  0
1        3        4  missing  1
2  missing  missing  missing  5
3  missing        3  missing  4

参考官方文档。