详解pandas.DataFrame.fillna()（填充缺失值）函数使用方法

作用及使用方法

pandas.DataFrame.fillna()函数的作用是将数据帧（DataFrame）中的缺失值（NaN值）用指定的值或方法进行填充。具体使用方法如下：

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

参数解释：

• value：要用来填充缺失值的值或字典（第二个实例会详细介绍）。

• method：用来填充缺失值的方法，可以是 ffill（向前填充）或 bfill（向后填充），默认为 None。

• axis：对缺失值填充的轴，可以是 0（默认，按列填充）或 1（按行填充）。

• inplace：是否在原数据帧中进行填充，默认为 False。

• limit：限制向前或向后填充的最大数量。

• downcast：用于将填充结果数据类型降低为更小的类型，以减少内存占用。

实例说明

通过指定常数值进行填充

考虑一个数据帧如下：

import numpy as np
import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [np.nan, 6, 7, 8], 'C': [9, 10, 11, 12]})
print(df)

输出：

     A    B   C
0  1.0  NaN   9
1  2.0  6.0  10
2  NaN  7.0  11
3  4.0  8.0  12

使用 df.fillna() 将数据帧中的所有缺失值填充为常数值 0：

df.fillna(0)

输出：

     A    B   C
0  1.0  0.0   9
1  2.0  6.0  10
2  0.0  7.0  11
3  4.0  8.0  12

通过指定字典进行填充

考虑一个数据帧如下：

import numpy as np
import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [np.nan, 6, 7, 8], 'C': [9, 10, 11, 12]})
print(df)

输出：

     A    B   C
0  1.0  NaN   9
1  2.0  6.0  10
2  NaN  7.0  11
3  4.0  8.0  12

使用 df.fillna() 将数据帧中的缺失值按列进行填充，指定不同列的填充值：

fillna_values = {'A': 0, 'B': 5, 'C': 10}
df.fillna(fillna_values)

输出：

     A    B   C
0  1.0  5.0   9
1  2.0  6.0  10
2  0.0  7.0  11
3  4.0  8.0  12

通过指定字典进行填充，可以按列或行指定不同的填充值，便于快速填充缺失值。