python pandas通过fillna方法实现部分自动填充功能

昨天，我们学习了pandas中的dropna方法，今天，学习一下fillna方法。该方法的主要作用是实现对NaN值的填充功能。该方法主要有3个参数，分别是：value，method，limit等。其余参数可以通过调用help函数获取信息。
（1）value
该参数主要是确定填充数值

>>> df = pd.read_excel(r'D:/myExcel/1.xlsx')
>>> df
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor      NaN         32  124.0
2   jiken     89.0         89    NaN
3   jiken     89.0         89  125.0
# 默认将所有值均填充为0
>>> df.fillna(0)
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor      0.0         32  124.0
2   jiken     89.0         89    0.0
3   jiken     89.0         89  125.0

# 也可以通过字典控制每列传什么值
>>> my_dict = {'Chinese' : 92, 'id' : 98}
>>> df.fillna(my_dict)
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor     92.0         32  124.0
2   jiken     89.0         89   98.0
3   jiken     89.0         89  125.0

2、method参数
该参数主要控制自动填充，是向上填充还是向下填充
method : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None
pad / ffill: 向下自动填充
backfill / bfill: 向上自动填充

# 向下
>>> df.fillna(method='ffill')
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor     12.0         32  124.0
2   jiken     89.0         89  124.0
3   jiken     89.0         89  125.0

# 向上
>>> df.fillna(method='bfill')
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor     89.0         32  124.0
2   jiken     89.0         89  125.0
3   jiken     89.0         89  125.0

3、limit参数
该参数类似于mysql中的limit。向上或者向下填充时控制最大填充前几行

# 限制自动填充最大填充1行。
>>> df.fillna(method = 'bfill', limit=1)
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor     89.0         32  124.0
2   jiken     89.0         89  125.0
3   jiken     89.0         89  125.0

哈哈，以上就是关于fillna方法的介绍。
关于，isna方法很好理解，判断是否为NaN值

>>> df.isna()
    name  Chinese  Chinese.1     id
0  False    False      False  False
1  False     True      False  False
2  False    False      False   True
3  False    False      False  False
>>> 

哈哈，这就是今天的内容了。希望能帮助到大家。
如果有兴趣，可以关注我的公众号：python小工具。
让我们一起为提高办公的效率努力吧。