Python|熊猫索引.fillna()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
Pandas Index.fillna()函数用指定的值填充 NA/NaN 值。只需要为索引中存在的所有缺失值填充一个标量值。该函数返回一个新对象，其缺失值由传递的值填充。

Syntax: Index.fillna(value=None, downcast=None)
Parameters : 
value : Scalar value to use to fill holes (e.g. 0). This value cannot be a list-likes. 
downcast : a dict of item->dtype of what to downcast if possible, or the string ‘infer’ which will try to downcast to an appropriate equal type (e.g. float64 to int64 if possible)
Returns : filled : %(klass)s
 

示例 #1：使用 Index.fillna()函数填充索引中的所有缺失值。

Python3

# importing pandas as pd
import pandas as pd
 
# Creating the Index
idx = pd.Index([1, 2, 3, 4, 5, None, 7, 8, 9, None])
 
# Print the Index
idx

输出 ：

让我们用 -1 填充索引中的所有缺失值。

Python3

# fill na values with -1
idx.fillna(-1)

输出 ：

正如我们在输出中看到的，Index.fillna()函数用 -1 填充了所有缺失值。该函数仅采用标量值。示例 #2：使用 Index.fillna()函数填充索引中所有缺失的字符串。

Python3

# importing pandas as pd
import pandas as pd
 
# Creating the Index
idx = pd.Index(['Labrador', 'Beagle', None, 'Labrador',
             'Lhasa', 'Husky', 'Beagle', None, 'Koala'])
 
# Print the Index
idx

输出 ：

正如我们在输出中看到的，我们有一些缺失值。出于数据分析的目的，我们希望用其他一些符合我们目的的指示性值来填充这些缺失值。

Python3

# Fill the missing values by 'Value_Missing'
idx.fillna('Value_Missing')

输出 ：

正如我们在输出中看到的那样，索引中所有缺失的字符串都已被传递的值填充。