pandas中的 fillna使用(pandas.DataFrame.fillna)「建议收藏」

pandas中的 fillna使用(pandas.DataFrame.fillna)「建议收藏」api参考:fillna:使用指定的方法填充NA/NaN值。>>>df=pd.DataFrame([[np.nan,2,np.nan,0],[3,4,np.nan,1],[np.nan,np.nan,np.nan,5],[np.nan,3,np.nan,4]],columns=list.

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

api参考:

pandas中的 fillna使用(pandas.DataFrame.fillna)「建议收藏」

fillna: 使用指定的方法填充 NA/NaN 值。

>>> df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, 5],
                   [np.nan, 3, np.nan, 4]],
                  columns=list("ABCD"))
>>> df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4

 1、用 0 替换所有 NaN 元素。

>>> df.fillna(0)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

2、我们还可以向前或向后传播非空值。

>>> df.fillna(method="ffill")
    A   B   C   D
0   NaN 2.0 NaN 0
1   3.0 4.0 NaN 1
2   3.0 4.0 NaN 5
3   3.0 3.0 NaN 4

3、将“A”、“B”、“C”和“D”列中的所有 NaN 元素分别替换为 0、1、2 和 3。

>>> values = {"A": 0, "B": 1, "C": 2, "D": 3}
>>> df.fillna(value=values)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 2.0 1
2   0.0 1.0 2.0 5
3   0.0 3.0 2.0 4

4、只替换第一个 NaN 元素。

>>> df.fillna(value=values, limit=1)
    A   B   C   D
0   0.0 2.0 2.0 0
1   3.0 4.0 NaN 1
2   NaN 1.0 NaN 5
3   NaN 3.0 NaN 4

5、使用 DataFrame 填充时,替换沿相同的列名和相同的索引发生

>>> df2 = pd.DataFrame(np.zeros((4, 4)), columns=list("ABCE"))
>>> df.fillna(df2)
    A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

6、inplace 如果为 True,则就地填充。默认为 False

# 第一种情况
print df.fillna("missing", inplace=False)
         A        B        C  D
0  missing        2  missing  0
1        3        4  missing  1
2  missing  missing  missing  5
3  missing        3  missing  4


# 第二种情况
df.fillna("missing", inplace=False)
print df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4


# 第三种情况
print df.fillna("missing", inplace=True)
None


# 第四种情况
df.fillna("missing", inplace=True)
print df
         A        B        C  D
0  missing        2  missing  0
1        3        4  missing  1
2  missing  missing  missing  5
3  missing        3  missing  4

参考官方文档。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/170017.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • python在线代码编辑器-5种最佳Python IDE和代码编辑器

    python在线代码编辑器-5种最佳Python IDE和代码编辑器在本文中,我们将介绍排名靠前的5个PythonIDE和5个Python文本编辑器。如果您在诸如Eclipse之类的IDE之间感到困惑,或者为该不该用SublimeText这样的编辑器犹豫?那么您可以看看这篇文章!您将在这里学到什么:热门PythonIDE和文本编辑器的比较PyCharmSpyderPyDevIDLEWing最佳Python代码编辑器SublimeTextAtomVimVi…

  • Java 教程

    1 Java 教程 我们的核心Java编程教程专为学生和专业人士设计。 Java是面向对象,基于类,并发,安全和通用的计算机编程语言。它是一种广泛使用的强大技术。 什么是Java …

  • tp路由+伪静态+去掉index.php

    tp路由+伪静态+去掉index.php

  • mysql添加索引造成的影响

    mysql添加索引造成的影响尽管添加索引可以优化SQL语句的性能,但是添加索引的同时也会带来不小的开销。尤其是在有大量的索引的情况下。mysql添加索引造成的影响如下:1、DML(数据操作语言)影响,在表上添加缩影会直接影响写操作性能(因为添加记录的同时还有创建相应记录的索引,这也是要耗资源的。)。2、DDL(数据定义语言)影响,随着表大小的不断增加,对性能的影响也会不断增加。比如:ALTER语句会耗费更多的时间…

  • go富集分析和kegg富集分析的区别_非模式生物怎么做GO富集

    go富集分析和kegg富集分析的区别_非模式生物怎么做GO富集前言关于clusterProfiler这个R包就不介绍了,网红教授宣传得很成功,功能也比较强大,主要是做GO和KEGG的功能富集及其可视化。简单总结下用法,以后用时可直接找来用。首先考虑一个问题:

  • unity调用animation_高跟鞋踩坑

    unity调用animation_高跟鞋踩坑Unity小科普老规矩,先介绍一下Unity的科普小知识:Unity是实时3D互动内容创作和运营平台。包括游戏开发、美术、建筑、汽车设计、影视在内的所有创作者,借助Unity将创意变成现实。Unity平台提供一整套完善的软件解决方案,可用于创作、运营和变现任何实时互动的2D和3D内容,支持平台包括手机、平板电脑、PC、游戏主机、增强现实和虚拟现实设备。也可以简单把Unity理解为一个游戏引擎,可以用来专业制作游戏!Unity踩坑小知识点学习Unity使用Q..

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号