dataframe用当前列的最小值减去100填充NaN

可以使用 pandas 中的 fillna() 方法来实现。假设当前列名为 column_name，可以使用以下代码：

import pandas as pd

# 读取数据到 DataFrame
df = pd.read_csv('data.csv')

# 用最小值减去 100 填充 NaN
min_value = df['column_name'].min()
df['column_name'].fillna(min_value - 100, inplace=True)

其中，`fillna()` 方法的第一个参数是填充的值，这里使用最小值减去 100。`inplace=True` 表示在原 DataFrame 上进行操作，否则需要重新赋值给一个新的 DataFrame。

相关问题

pyspark dataframe查看最大值最小值

这属于技术问题，可以回答。

可以使用 `agg` 函数来进行聚合操作，计算 DataFrame 中某一列的最大值和最小值。示例如下：

from pyspark.sql.functions import max, min

# 假设 df 是一个 DataFrame，其中有一列名为 'col_name'
max_val = df.agg(max('col_name')).collect()[0][0]
min_val = df.agg(min('col_name')).collect()[0][0]
print('最大值为：{}'.format(max_val))
print('最小值为：{}'.format(min_val))

dataframe每行最小值

要获取dataframe每行的最小值，可以使用pandas的`min()`函数，并指定`axis=1`参数来计算每行的最小值。这将返回一个包含每行最小值的Series对象。以下是获取dataframe每行最小值的代码示例：

import pandas as pd

# 创建一个示例dataframe
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9})

# 使用min()函数获取每行最小值
min_values = df.min(axis=1)

print(min_values)

运行上述代码将输出dataframe每行的最小值。注意，`axis=1`参数指定了按行计算最小值。

示例输出：

0    1
1    2
2    3
dtype: int64

因此，dataframe每行的最小值分别是1、2和3。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [pandas获取dataframe中索引值最小值所在的数据行（get dataframe row of min index value）](https://blog.csdn.net/zhongkeyuanchongqing/article/details/122588965)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [如何使用Python的pandas库获取DataFrame数据的最小值、最大值以及自定义分位数？](https://blog.csdn.net/qq_46179813/article/details/129765264)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]