填充分类的空值 dataframe fillna

为了填充分类的空值，可以使用`fillna()`函数。下面是一个例子：

假设我们有一个名为`titanic`的数据框，其中有一个名为`Cabin`的列包含分类数据，我们想要填充其中的空值。我们可以使用以下代码：

titanic['Cabin'].fillna('Unknown', inplace=True)

这将把所有的空值替换为字符串'Unknown'。如果不想在原始数据框上进行更改，可以省略`inplace=True`参数。

如果想要使用前一个非空值填充空值，可以使用`ffill`参数。如果想要使用后一个非空值填充空值，可以使用`bfill`参数。

titanic['Cabin'].fillna(method='ffill', inplace=True) # 使用前一个非空值填充空值
titanic['Cabin'].fillna(method='bfill', inplace=True) # 使用后一个非空值填充空值

相关问题

dataframe fillna value

`fillna` 方法的 `value` 参数用于指定要填充的值。下面是 `fillna` 方法的示例代码：

import pandas as pd
import numpy as np

# 创建包含空值的 DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})

# 使用 -1 填充空值
df.fillna(value=-1)

# 输出结果
     A    B     C
0  1.0  5.0   9.0
1  2.0 -1.0  10.0
2 -1.0  7.0  11.0
3  4.0  8.0  -1.0

在这个示例中，我们使用 `fillna` 方法将 DataFrame 中的空值填充为 -1。可以看到，原来包含空值的 DataFrame 现在已经被填充为了一个完整的 DataFrame，其中所有的空值都被填充为了 -1。

python dataframe fillna

在Python的pandas库中，`fillna()`函数用于填充DataFrame中的缺失值（NaN）。这个函数非常有用，因为它允许你用几种策略替换缺失值，如指定特定的值、使用前一项的值、使用后一项的值，或者使用整个列或行的平均值、中位数等统计信息。

基本语法如下：

df.fillna(value, inplace=False, method=None, limit=None)

- `value`: 可以是一个常数值，也可以是另一个Series，用来替换缺失值。
- `inplace` (默认为False): 如果设置为True，会直接修改原数据框，如果不设置或设置为False，则返回一个新的填充后的DataFrame。
- `method`: 可选，可以是'backfill', 'bfill' (回溯填充), 'pad' 或 'ffill' (向前填充)。
- `limit`: 可选，如果指定了方法为'ffill'或'bfill'，它表示只填充前或后续多少个空值。

例如：

# 填充所有 NaN 为0
df.fillna(0)

# 使用前一个非缺失值填充
df.fillna(method='ffill')

# 使用后一个非缺失值填充
df.fillna(method='bfill')