本文主要介绍python notes中用fillna()填充缺失值的方法,有很好的参考价值。希望对大家有帮助。如有错误或不足之处,请不吝赐教。
目录
使用fillna()填充缺少的值。fillna()函数详解1。不要指定任何参数2。指定参数3。指定方法参数4。指定极限参数5。指定轴参数。
使用fillna()填充缺失值
df=PD . read _ CSV(' CCF _ offline _ stage 1 _ train . CSV ')
打印(df['距离'])
df['距离']=df['距离']。菲尔娜(-1)。astype(int)
打印(df['距离'])
结果太长,无法显示。操作后,dataframe中距离列的缺失值全部更改为-1。
关于fillna()函数详解
inplace参数的值:True、False
True:直接修改原始对象False:创建一个副本,修改副本并保持原始对象不变(默认默认)
参数方法的值:{ '填充','填充','回填','填充',无},默认无
Pad/ffill:用以前的非缺失值填充缺失值。回填/b填充:用下一个非缺失值填充缺失值。无:指定一个值来替换缺少的值(这是默认方式)
Limit参数:限制填充数。
轴参数:修改填充方向
#指南包
进口熊猫作为pd
将numpy作为np导入
从numpy导入nan作为NaN
df1=pd。数据帧([[1,2,3],[南,南,2],[南,南,南],[8,8,南]])
df1
代码结果:
一、不指定任何参数
1. 用常数填充
# 1.未指定方法参数
#1.用常数填充
print (df1.fillna(100))
打印('-')
打印(df1)
运行结果:
2. 用字典填充
#2.用字典填满它
df1.fillna({0:10,1:20,2:30})
运行结果:
二、指定inplace参数
# 2.指定就地参数
print (df1.fillna(0,inplace=True))
打印('-')
打印(df1)
运行结果:
三、指定method参数
1.method='ffill'/'pad ':用前一个的非缺失值填充缺失值。
# 3.指定方法参数
df2=pd。DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3]=NaN
df2.iloc[2:4,4]=NaN
df2
运行结果:
#1.method='ffill'/'pad ':用以前的非缺失值填充缺失值。
df2.fillna(method='ffill ')
运行结果:
2.method='bflii'/'回填':用下一个的非缺失值填充缺失值。
#2.method='bflii'/'回填':用下一个非缺失值填充缺失值。
df2.fillna(method='bfill ')
运行结果:
四、指定limit参数
# 4.指定限制参数
#用下一个非缺失值填充缺失值
#仅填充2
df2.fillna(method='bfill ',limit=2)
运行结果:
五、指定axis参数
# 5.指定轴参数
df2.fillna(方法='ffill ',限制=1,轴=1)
运行结果:
以上个人经历,希望能给大家一个参考,也希望大家多多支持我们。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。