在Python Pandas 中的多个列中填充

在本文中，我们将编写Python脚本以使用 Pandas 库在Python中填充多个列。数据框是一种二维数据结构，可以以 CSV、Excel、.dB、SQL 格式存储。我们将使用Python的 Pandas 库来填充 Data Frame 中的缺失值。

让我们通过实现来理解这一点：

首先用熊猫创建一个数据集

Python3

# Importing Required Libraries
import pandas as pd
import numpy as np
 
# Creating a sample dataframe with NaN values
dataframe = pd.DataFrame({'Count': [1, np.nan,
                                    np.nan, 4,
                                    2, np.nan,
                                    np.nan, 5, 6],
                           
    'Name': ['Geeks','for', 'Geeks','a','portal','for',
             'computer', 'Science','Geeks'],
                          'Category':list('ppqqrrsss')})
 
# Printing The dataframe
display(dataframe)

输出：

示例 1：用固定值填充缺失的列值：

我们可以使用 fillna()函数将数据框的缺失值插补到值字典定义的每一列。 这种方法的局限性是我们只能使用常量值进行填充。

蟒蛇3

# Importing Required Libraries
import pandas as pd
import numpy as np
 
# Creating a sample dataframe with NaN values
dataframe = pd.DataFrame({'Count': [1, np.nan, np.nan, 4, 2,
                                    np.nan,np.nan, 5, 6],
                           
    'Name': ['Geeks','for', 'Geeks','a','portal','for',
             'computer', 'Science','Geeks'],
                          'Category':list('ppqqrrsss')})
 
# Creating a constant value for column Count
constant_values = {'Count': 10}
dataframe = dataframe.fillna(value = constant_values)
 
# Printing the dataframe
display(dataframe)

输出：

示例 2：使用 mean() 填充缺失的列值：

在此方法中，值由称为mean()的方法定义，该方法找出给定列的现有值的平均值，然后估算每个缺失 (NaN) 值中的平均值。

蟒蛇3

# Importing Required Libraries
import pandas as pd
import numpy as np
 
# Creating a sample dataframe with NaN values
dataframe = pd.DataFrame({'Count': [1, np.nan, np.nan, 4, 2,
                                    np.nan,np.nan, 5, 6],
                           
    'Name': ['Geeks','for', 'Geeks','a','portal','for',
             'computer', 'Science','Geeks'],
                          'Category':list('ppqqrrsss')})
 
 
# Filling Count column with mean of Count column
dataframe.fillna(dataframe['Count'].mean(), inplace = True)
 
# Printing the Dataframe
display(dataframe)

输出：

示例 3：使用 mode() 填充缺失的列值。

众数是一组数据值中最常出现的值。如果 X 是离散随机变量，则众数是概率质量函数取其最大值时的值 x。换句话说，它是最有可能被采样的值。

蟒蛇3

# Importing Required Libraries
import pandas as pd
import numpy as np
 
# Creating a sample dataframe with NaN values
dataframe = pd.DataFrame({'Count': [1, np.nan, np.nan,
                                    1, 2, np.nan,np.nan,
                                    5, 1],
                           
    'Name': ['Geeks','for', 'Geeks','a','portal','for',
             'computer', 'Science','Geeks'],
                          'Category':list('ppqqrrsss')})
 
# Using Mode() function to impute the values using fillna
dataframe.fillna(dataframe['Count'].mode()[0], inplace = True)
 
# Printing the Dataframe
display(dataframe)

输出：

.