约定：
填充缺失数据
fillna()是最主要的处理方式了。
df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])df1代码结果：
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
用常数填充：
代码结果：
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
通过字典填充不同的常数：
代码结果：
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
传入inplace=True直接修改原对象：
代码结果：
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
传入method=” “改变插值方式：
代码结果：
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')#用前面的值来填充代码结果：
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
传入limit=” “限制填充个数：
代码结果：
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
传入axis=” “修改填充方向：
代码结果：
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
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
最新文章
热门文章
猜你喜欢
