DataFrame.fillna 填充NaN失败的问题

采用DataFrame.fillna填充Nan值(比如用数值1.0填充NaN)的时候如果采用一下代码:

df.fillna(1.0)         #对空值单元进行插值
df

executed in 34ms, finished 08:52:27 2020-03-20

name	year	gdp
0	安徽	1949	NaN
1	北京	1949	NaN
2	福建	1949	NaN

采用以上代码 ,可以看到NaN并没有发生改变。

如果采用下面这种方式:

print(df.fillna(1.0))

executed in 30ms, finished 08:55:00 2020-03-20
     name  year       gdp
0      安徽  1949      1.00
1      北京  1949      1.00
2      福建  1949      1.00

 可以看到数值被填充进去了,可是再次对df进行打印:

print(df)

   name  year       gdp
0      安徽  1949       NaN
1      北京  1949       NaN
2      福建  1949       NaN

可以发现,数值并没有填充进去,还是NaN值。 

那么真正的解决方法是什么呢?

采用DataFrame.fillna填充Nan值(比如用数值1.0填充NaN)的时候需采用一下代码:

df.fillna(1.0,inplace=True)

注意:凡是会对原数组做出修改并放回一个新数组的,往往都有一个inplace可选参数。如果手动设定为True(默认为False),那么原数组直接就被替换掉。也就是说,采用inplace=True之后,原数组对应的内存值直接改变。

而采用inplace=False之后,原数组对应的内存值并不改变。

fillna是pandas中的一个函数,用于填充DataFrame中的缺失值(NaN)。通过指定不同的方法,可以根据不同的需求来进行填充。在引用中的例子中,可以看到fillna函数的使用。具体而言,可以使用指定的方法来填充缺失值,比如使用常数、前向填充或后向填充等。例如,可以使用fillna(0)将缺失值填充为0,使用fillna(method='ffill')使用前向填充方法,使用fillna(method='bfill')使用后向填充方法。这样可以根据实际情况选择合适的填充方法来处理DataFrame中的缺失值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [解决pandas.DataFrame.fillna 填充Nan失败问题](https://download.csdn.net/download/weixin_38610277/12866285)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [【机器学习杂烩篇】pandas fillna()函数详解](https://blog.csdn.net/songyu8713162/article/details/87527410)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [pandas中的 fillna使用(pandas.DataFrame.fillna)](https://blog.csdn.net/conving/article/details/120205513)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值