pandas.Series.add参数fill_value

最新推荐文章于 2025-06-05 00:15:00 发布

原创最新推荐文章于 2025-06-05 00:15:00 发布 · 1.5k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#pandas #add #fill_value

Python 专栏收录该内容

20 篇文章

订阅专栏

本文介绍了Pandas中如何进行索引对齐以及如何填充缺失值的操作。通过示例展示了当两个Series存在共同索引时，如何使用`add()`函数并设置`fill_value`参数来合并数据，若对应位置都是NaN则保持不变。这种功能在处理数据集合并时非常实用。

fill_value: None或浮点数;填充NaN值;如果元素在2个series都是NaN,结果还是NaN;

pandas的一个重要功能,就是索引对齐,即在2个series里添加对应虚列,值为NaN

示例

a = pd.Series([1, 1, 1, np.nan], index=['a', 'b', 'c', 'd'])
b = pd.Series([1, np.nan, 1, np.nan], index=['a', 'b', 'd', 'e'])
a.add(b,fill_value=0)
------
a    2.0
b    1.0
c    1.0
d    1.0
e    NaN
dtype: float64
======
# 填充过程为
a = pd.Series([1, 1, 1, np.nan,np.nan], index=['a', 'b', 'c', 'd','e'])
b = pd.Series([1, np.nan, np.nan,1, np.nan], index=['a', 'b', 'c','d', 'e'])
# b,c,d在序列a,序列b中有值, 对应位置填充0; e在2个series都为NaN,不填充; 最后填充为
a = pd.Series([1, 1, 1, 0,np.nan], index=['a', 'b', 'c', 'd','e'])
b = pd.Series([1, 0,0, 1, np.nan], index=['a', 'b', 'c','d', 'e'])
a.add(b,fill_value=0)
------
a    2.0
b    1.0
c    1.0
d    1.0
e    NaN
dtype: float64
======