Pandas詳解十一之Fillna填充缺失數據

約定：

import pandas as pd
import numpy as np
from numpy import nan as NaN

填充缺失數據

fillna()是最主要的處理方式了。

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1

代碼結果：

	0	1	2
0	1.0	2.0	3.0
1	NaN	NaN	2.0
2	NaN	NaN	NaN
3	8.0	8.0	NaN

• 用常數填充：

df1.fillna(100)

代碼結果：

	0	1	2
0	1.0	2.0	3.0
1	100.0	100.0	2.0
2	100.0	100.0	100.0
3	8.0	8.0	100.0

• 通過字典填充不同的常數：

df1.fillna({0:10,1:20,2:30})

代碼結果：

	0	1	2
0	1.0	2.0	3.0
1	10.0	20.0	2.0
2	10.0	20.0	30.0
3	8.0	8.0	30.0

• 傳入inplace=True直接修改原對象：

df1.fillna(0,inplace=True)
df1

代碼結果：

	0	1	2
0	1.0	2.0	3.0
1	0.0	0.0	2.0
2	0.0	0.0	0.0
3	8.0	8.0	0.0

• 傳入method=” “改變插值方式：

df2=pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3]=NaN;df2.iloc[2:4,4]=NaN
df2

代碼結果：

	0	1	2	3	4
0	6	6	2	4.0	1.0
1	4	7	0	NaN	5.0
2	6	5	5	NaN	NaN
3	1	9	9	NaN	NaN
4	4	8	1	5.0	9.0

df2.fillna(method='ffill')#用前面的值來填充

代碼結果：

	0	1	2	3	4
0	6	6	2	4.0	1.0
1	4	7	0	4.0	5.0
2	6	5	5	4.0	5.0
3	1	9	9	4.0	5.0
4	4	8	1	5.0	9.0

• 傳入limit=” “限制填充個數：

df2.fillna(method='bfill',limit=2)

代碼結果：

	0	1	2	3	4
0	6	6	2	4.0	1.0
1	4	7	0	NaN	5.0
2	6	5	5	5.0	9.0
3	1	9	9	5.0	9.0
4	4	8	1	5.0	9.0

• 傳入axis=” “修改填充方向：

df2.fillna(method="ffill",limit=1,axis=1)

代碼結果：

	0	1	2	3	4
0	6.0	6.0	2.0	4.0	1.0
1	4.0	7.0	0.0	0.0	5.0
2	6.0	5.0	5.0	5.0	NaN
3	1.0	9.0	9.0	9.0	NaN
4	4.0	8.0	1.0	5.0	9.0

謝謝大家的瀏覽，
希望我的努力能幫助到您，
共勉！