Pandas 填空 - Python

Pandas 是 Python 中一个强大的数据分析和处理库。其中一个非常有用的功能是填空（fillna），允许我们用一个值（例如平均数、零、前一个值等）来填补缺失的值。

语法

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

参数说明

• value：用于填充缺失值的标量值、字符串，字典等对象。
• method：可选参数，用于确定填充缺失值的方法。此参数默认值为 None，表示使用 value 参数的值进行填充。支持的值包括：
  • ffill / pad：向前填充缺失值。
  • bfill / backfill：向后填充缺失值。
• axis：指定了填充方向。默认情况下，该参数值为 None，表示在任意方向上进行填充。支持的值包括：
  • 0 / 'index'：沿着纵轴方向填充。
  • 1 / 'columns'：沿着横轴方向填充。
• inplace：可选参数，是否在原 DataFrame 上进行填充。默认情况下，该参数值为 False，表示不修改原 DataFrame，而是返回一个新的填充好的 DataFrame。
• limit：指定了填充连续缺失值的最大数量的整数。此参数默认值为 None，表示没有最大数量限制。
• downcast：可选参数，指定了向下转换缺失值的方法。默认情况下，此参数值为 None，表示不进行下转换。

示例

首先，让我们来看一个简单的例子，其中包含缺少值的 DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [np.nan, 10, 11, np.nan]})
print(df)

输出：

     A    B     C
0  1.0  5.0   NaN
1  2.0  NaN  10.0
2  NaN  7.0  11.0
3  4.0  8.0   NaN

我们可以使用 fillna 方法来填充缺失值：

# 使用 0 填充缺失值
df.fillna(0, inplace=True)
print(df)

输出：

     A    B     C
0  1.0  5.0   0.0
1  2.0  0.0  10.0
2  0.0  7.0  11.0
3  4.0  8.0   0.0

接下来，我们来看一下如何利用前一个和后一个值填充缺失值：

# 使用前一个值填充缺失值
df.fillna(method='ffill', inplace=True)
print(df)

# 使用后一个值填充缺失值
df.fillna(method='bfill', inplace=True)
print(df)

输出：

     A    B     C
0  1.0  5.0   NaN
1  2.0  5.0  10.0
2  2.0  7.0  11.0
3  4.0  8.0  11.0

     A    B     C
0  1.0  5.0  10.0
1  2.0  5.0  10.0
2  4.0  7.0  11.0
3  4.0  8.0   NaN

最后，让我们来看一下如何针对特定的列进行填充：

# 对 B 列和 C 列分别进行填充
df['B'].fillna(method='ffill', inplace=True)
df['C'].fillna(method='bfill', inplace=True)
print(df)

输出：

     A    B     C
0  1.0  5.0  10.0
1  2.0  5.0  10.0
2  4.0  7.0  11.0
3  4.0  8.0  11.0

这就是 Pandas 中填空的一些用法。希望这篇文章能够帮助到大家。