在使用python里的pandas库进行数据分析工作时,很多时候我们都会遇到这样一个问题:数据缺失。这也是大部分数据分析工作所会遇到的之一。而正确处理缺失值,也是我们在数据分析中数据预处理环节的关键的一环。下面我将讲讲在我学习Pandas的时候,对缺失值处理的一些总结(入门篇2).
这一次我们来说说如何使用fillna()函数填充缺失值。
(2)填充(fillna)
函数:
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
函数作用:填充缺失值
主要参数:
- value:需要用什么值去填充缺失值
- axis:确定填充维度,从行开始或是从列开始
- method:填充缺失值所用的方法。
- limit:确定填充的个数,如果limit=2,则只填充两个缺失值。
- 下面我们举几个例子
首先还是先生成我们实验用的数据:
<