python pandas fillna_python rfind函数

本文概述

我们可以使用fillna()函数填充数据集中的空值。

句法

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

参数

值：它是一个用于填充空值的值, 或者是一个Series / dict / DataFrame。

method：一种用于填充重新索引的Series中的空值的方法。

axis：行/列的整数或字符串值。我们需要沿着其填充缺失值的轴。

就地：如果为True, 它将在空白处填充值。

限制：它是一个整数值, 指定连续的前向/后向NaN值填充的最大数量。

downcast：需要指定一个指定将Float64转换为int64的内容的字典。

Return

它返回一个对象, 在其中填充了缺少的值。

范例1：

import pandas as pd

# Create a dataframe

info = pd.DataFrame(data={‘x’:[10, 20, 30, 40, 50, None]})

print(info)

# Fill null value to dataframe using ‘inplace’

info.fillna(value=0, inplace=True)

print(info)

输出

x

0 10.0

1 20.0

2 30.0

3 40.0

4 50.0

5 NaN

x

0 10.0

1 20.0

2 30.0

3 40.0

4 50.0

5 0.0

范例2：

以下代码负责填充包含某些NaN值的DataFrame。

import pandas as pd

# Create a dataframe

info = pd.DataFrame([[np.nan, np.nan, 20, 0], [1, np.nan, 4, 1], [np.nan, np.nan, np.nan, 5], [np.nan, 20, np.nan, 2]], columns=list(‘ABCD’))

info

输出

A B C D

0 NaN NaN 20.0 0

1 1.0 NaN 4.0 1

2 NaN NaN NaN 5

3 NaN 20.0 NaN 2

范例3：

在下面的代码中, 我们使用fillna函数仅填充了一些NaN值。

info = pd.DataFrame([[np.nan, np.nan, 20, 0], [1, np.nan, 4, 1], [np.nan, np.nan, np.nan, 5], [np.nan, 20, np.nan, 2]], columns=list(‘ABCD’))

info

info.fillna(0)

info.fillna(method=’ffill’)

values = {‘A’: 0, ‘B’: 1, ‘C’: 2, ‘D’: 3}

info.fillna(value=values)

info.fillna(value=values, limit=1)

输出

A B C D

0 0.0 1.0 20.0 0

1 1.0 NaN 4.0 1

2 NaN NaN 2.0 5

3 NaN 20.0 NaN 2