Pandas 6-采用函数进行数据填充

1. 创建包含缺失值的DataFrame

首先，需要创建一个包含缺失值的DataFrame。

import pandas as pd  
import numpy as np  
  
# 创建一个包含缺失值的DataFrame  
data = {  
    'Name': ['Alice', 'Bob', np.nan, 'David'],    'Age': [24, np.nan, 22, 32],    'City': ['New York', 'Los Angeles', np.nan, np.nan],    'Score': [85, np.nan, np.nan, 92]}  
  
df = pd.DataFrame(data)  
print(df)  

输出：

      Name   Age         City  Score0    Alice  24.0     New York   85.0  
1      Bob   NaN  Los Angeles    NaN  
2      NaN  22.0          NaN    NaN  
3    David  32.0          NaN   92.0  

2. 使用函数填充缺失值

可以定义一个函数来处理缺失值，并使用apply方法将该函数应用到DataFrame的列或行。

2.1 定义填充函数

假设希望将缺失的Name列填充为’Unknown’，将缺失的Age列填充为该列的平均值，将缺失的City列填充为’Unknown’，将缺失的Score列填充为该列的中位数。

def fill_missing_values(column):  
    if column.name == 'Name' or column.name == 'City':        return column.fillna('Unknown')    elif column.name == 'Age':        return column.fillna(column.mean())    elif column.name == 'Score':        return column.fillna(column.median())    return column```
  
#### 2.2 应用填充函数  
  
使用`apply`方法将填充函数应用到DataFrame的每一列。  
  
```python  
df_filled = df.apply(fill_missing_values, axis=0)  
print(df_filled)  

输出：

        Name   Age         City  Score0      Alice  24.0     New York   85.0  
1        Bob  28.0  Los Angeles   88.5  
2    Unknown  22.0      Unknown   88.5  
3      David  32.0      Unknown   92.0  

3. 使用lambda函数进行填充

除了定义自定义函数，还可以使用lambda函数进行简单的数据填充。

# 使用lambda函数填充缺失值  
df_filled_lambda = df.apply(lambda x: x.fillna('Unknown') if x.name in ['Name', 'City'] else x.fillna(x.mean()) if x.name == 'Age' else x.fillna(x.median()) if x.name == 'Score' else x, axis=0)  
print(df_filled_lambda)  

输出：

        Name   Age         City  Score0      Alice  24.0     New York   85.0  
1        Bob  28.0  Los Angeles   88.5  
2    Unknown  22.0      Unknown   88.5  
3      David  32.0      Unknown   92.0  

4. 使用fillna方法结合函数

还可以使用fillna方法结合函数来进行数据填充。

# 使用fillna方法结合函数填充缺失值  
df_filled_fillna = df.copy()  
df_filled_fillna['Name'] = df_filled_fillna['Name'].fillna('Unknown')  
df_filled_fillna['City'] = df_filled_fillna['City'].fillna('Unknown')  
df_filled_fillna['Age'] = df_filled_fillna['Age'].fillna(df_filled_fillna['Age'].mean())  
df_filled_fillna['Score'] = df_filled_fillna['Score'].fillna(df_filled_fillna['Score'].median())  
print(df_filled_fillna)  

输出：

        Name   Age         City  Score0      Alice  24.0     New York   85.0  
1        Bob  28.0  Los Angeles   88.5  
2    Unknown  22.0      Unknown   88.5  
3      David  32.0      Unknown   92.0