pandas对指定列进行填充的方法

当数据集中的某些列存在缺失值时，我们可以使用pandas库中的fillna()方法来填充缺失值。

把缺失值用指定值填充：

import pandas as pd

# 创建数据集
data = {'A': [1, 2, 3, None, 5, 6],
        'B': [1, 2, None, 4, None, 6],
        'C': [1, 2, 3, 4, 5, 6]}

df = pd.DataFrame(data)

# 用固定值0对A列中的缺失值进行填充
df['A'].fillna(value=0, inplace=True)

print(df)

第8行代码执行了fillna()方法，将A列中的缺失值用0进行了填充。在该方法中，使用了两个参数：value代表用于填充的值，inplace代表是否在原数据集上进行修改。

输出：

     A    B  C
0  1.0  1.0  1
1  2.0  2.0  2
2  3.0  NaN  3
3  0.0  4.0  4
4  5.0  NaN  5
5  6.0  6.0  6

把缺失值用均值填充：

import pandas as pd

# 创建数据集
data = {'A': [1, 2, 3, None, 5, 6],
        'B': [1, 2, None, 4, None, 6],
        'C': [1, 2, 3, 4, 5, 6]}

df = pd.DataFrame(data)

# 用A列的均值对B列中的缺失值进行填充
df['B'].fillna(value=df['A'].mean(), inplace=True)

print(df)

第8行代码执行了fillna()方法，将B列中的缺失值用A列均值进行了填充。在该方法中，使用了两个参数：value代表用于填充的值，inplace代表是否在原数据集上进行修改。

输出：

     A         B  C
0  1.0  1.000000  1
1  2.0  2.000000  2
2  3.0  2.333333  3
3  NaN  2.333333  4
4  5.0  2.333333  5
5  6.0  6.000000  6

在这个示例中，我们首先计算了A列的均值，然后将B列中的缺失值用A列均值进行填充。