Python填充空数据框

在数据分析的过程中，我们常常遇到处理缺失值的需求，而填充空数据框是其中一种解决方案。Python提供了多种方法来实现填充，既可以使用pandas库的fillna函数，也可以使用numpy库的interp函数。本文将为大家介绍两种方法的使用方式。

pandas库中的fillna函数

pandas是Python中用于数据分析的重要库，它针对空数据框中的缺失值提供了fillna函数。使用该函数的方法如下：

import pandas as pd
import numpy as np

# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, np.nan], 'C': [np.nan, 9, 10, 11], 'D': [12, 13, 14, 15]})
print(df)

# 替换缺失值
df = df.fillna(0)
print(df)

上述代码中，我们首先创建了一个有缺失值的数据框df，然后使用fillna函数将缺失值替换成0。得到的新数据框df已经填充完成。

numpy库中的interp函数

numpy库是Python中用于科学计算的重要库，它也提供了与填充空数据框相关的函数——interp函数。使用该函数的方法如下：

import numpy as np

# 创建一个二维数组
arr = np.array([np.nan, 1, 2, np.nan, 4, 5, 6, np.nan, 8, np.nan])
print(arr)

# 对缺失值进行插值
arr_interp = np.interp(np.arange(len(arr)), (~np.isnan(arr)).nonzero()[0], arr[~np.isnan(arr)])
print(arr_interp)

上述代码中，我们首先创建了一个一维数组arr，其中包含缺失值。然后使用interp函数对缺失值进行插值。最终，得到的新数组arr_interp的缺失值已经被插值完成。

结束语

本文介绍了Python中填充空数据框的两种方法：pandas库的fillna函数和numpy库的interp函数。它们都能很好地解决空数据框中的缺失值问题，具体选择哪种方法可以根据实际情况灵活使用。