Pandas之Fillna填充缺失数据的方法

下面是Pandas之Fillna填充缺失数据的方法的完整攻略。

概述

在数据分析和处理中，经常会遇到缺失数据的情况。Pandas提供了很多方法来处理缺失数据，其中之一就是Fillna填充缺失数据的方法。

Fillna方法可以用指定值、前向或后向填充的方法来填充缺失数据，可以适用于Series和DataFrame对象，相对来说比较灵活。

Fillna方法的常用参数

Fillna方法的常用参数如下：

• value：指定用来填充缺失值的值，可以是标量、Series或DataFrame格式的数据；
• method：指定使用插值填充缺失值的方法，“ffill”表示用前面的值进行插值，“bfill”表示用后面的值进行插值；
• axis：指定填充缺失数据的轴，0表示按列填充，1表示按行填充；
• inplace：指定是否对原始数据进行修改，True表示修改原始数据，False表示不修改原始数据。

Fillna方法的示例说明

示例1：用指定值来填充缺失数据

首先先导入Pandas库，然后创建一个包含缺失值的DataFrame对象。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'], columns=['one', 'two', 'three'])
df['four'] = 'bar'
df['five'] = df['one'] > 0
df2 = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
print(df2)

# 输出结果：
        one       two     three four   five
a -0.677737 -1.387927  0.507026  bar  False
b       NaN       NaN       NaN  NaN    NaN
c  1.298747 -0.628594 -1.880701  bar   True
d       NaN       NaN       NaN  NaN    NaN
e -0.172754  0.478184  0.761761  bar  False
f -0.879542  2.026631 -0.663835  bar  False
g       NaN       NaN       NaN  NaN    NaN
h  0.045663  1.051637  0.317371  bar   True

我们可以看到，DataFrame对象df2中包含了一些缺失数据。现在我们使用Fillna方法来填充缺失数据，具体操作如下：

df3=df2.fillna(value=1)
print(df3)

# 输出结果：
        one       two     three four   five
a -0.677737 -1.387927  0.507026  bar  False
b  1.000000  1.000000  1.000000    1      1
c  1.298747 -0.628594 -1.880701  bar   True
d  1.000000  1.000000  1.000000    1      1
e -0.172754  0.478184  0.761761  bar  False
f -0.879542  2.026631 -0.663835  bar  False
g  1.000000  1.000000  1.000000    1      1
h  0.045663  1.051637  0.317371  bar   True

我们可以看到，Fillna方法成功的将原本缺失的数据都填充上了指定的值1。

示例2：用前向或后向填充的方式填充缺失数据

创建包含缺失数据的DataFrame对象，然后通过backfill和bfill方法和，将缺失数据用后面的数据进行插值填充。

df4=df2.ffill()
print(df4)

# 输出结果：
        one       two     three four   five
a -0.677737 -1.387927  0.507026  bar  False
b -0.677737 -1.387927  0.507026  bar  False
c  1.298747 -0.628594 -1.880701  bar   True
d  1.298747 -0.628594 -1.880701  bar   True
e -0.172754  0.478184  0.761761  bar  False
f -0.879542  2.026631 -0.663835  bar  False
g -0.879542  2.026631 -0.663835  bar  False
h  0.045663  1.051637  0.317371  bar   True

我们可以看到，Fillna方法成功的将原本缺失的数据都用插值的方式填充上了。

以上就是Pandas之Fillna填充缺失数据的方法的完整攻略。