填充空列 – Pandas

有时数据框包含一个空列，可能会在现实生活场景中造成真正的问题。缺失数据也可以指熊猫中的 NA（不可用）值。在 DataFrame 中，有时许多数据集只是带着丢失的数据到达，要么是因为它存在但未被收集，要么从未存在。在本文中，让我们看看如何使用 Pandas 填充数据框中的空列。

注意：这里是 csv 文件的链接。

填充空列：

Python3

import pandas as pd
df = pd.read_csv("Persons.csv")
df

首先，我们导入 pandas，然后将 CSV 文件加载到 df 变量中。只需尝试在 jupyter notebook 或 colab 中运行它。

输出：

蟒蛇3

df.set_index('Name ', inplace=True)
df

这行用于删除索引值，我们不想要它，所以我们删除它。

输出：

填充空列的方法有好几种，我们一一看

方法一：

在这种方法中，我们将使用“df.fillna(0)”，它将所有 NaN 元素替换为 0。

例子：

蟒蛇3

df1 = df.fillna(0)
df1

输出：

方法二：

在这个方法中，我们将使用“df.fillna(method='ffill')”，它用于向前或向后传播非空值。

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

蟒蛇3

df2 = df.fillna(method='ffill')
df2

输出：

方法三：

在这个方法中，我们将使用“df.interpolate()”

Syntax: DataFrame.interpolate(method=’linear’, axis=0, limit=None, inplace=False, limit_direction=None, limit_area=None, downcast=None, **kwargs)

蟒蛇3

df3 = df.interpolate()
df3

输出：