pandas 填充空值

在 Pandas 中，可以使用 fillna() 方法来填充空值。fillna() 方法可以接受一个参数，用于指定填充的值，也可以接受多个参数，用于指定不同列填充的值。常用的填充方式有以下几种：

1. 使用固定值填充：fillna(value)
2. 使用前一个非空值填充：fillna(method='ffill')
3. 使用后一个非空值填充：fillna(method='bfill')
4. 使用插值法填充：fillna(method='interpolate')

下面是一个示例代码：

import pandas as pd
import numpy as np

# 创建一个包含空值的 DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})

# 使用固定值填充空值
df.fillna(0)

# 使用前一个非空值填充空值
df.fillna(method='ffill')

# 使用后一个非空值填充空值
df.fillna(method='bfill')

# 使用插值法填充空值
df.interpolate()

相关问题

pandas填充空值

在 Pandas 中，可以使用 fillna() 方法填充空值。该方法可接受多个参数，其中最常用的是 value 参数，用于指定要填充的值。例如，假设有一个 DataFrame df，其中有一个列 'age' 中存在空值，可以使用以下代码将其填充为 0：

df['age'].fillna(0, inplace=True)

这将把 DataFrame 中 'age' 列中的所有空值填充为 0。如果不想在原来的 DataFrame 上进行修改，可以不使用 inplace=True 参数。除了 value 参数，fillna() 方法还可以使用 method 参数指定填充方法，如向前填充、向后填充等。更多用法可以参考 Pandas 官方文档。

pandas填充空值方法

在 Pandas 中，有多种方法可以填充空值，以下是常用的几种方法：

1. 使用 fillna() 方法填充空值

fillna() 方法可以将空值替换为指定的值，例如将空值替换为 0：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('file.csv')

# 使用 fillna 方法将空值填充为 0
df.fillna(0, inplace=True)

# 将处理后的数据写入新的 csv 文件
df.to_csv('new_file.csv', index=False)

2. 使用 ffill 或 bfill 方法填充空值

ffill (forward fill) 方法可以使用前一个非空值进行填充，bfill (backward fill) 方法可以使用后一个非空值进行填充，例如使用前一个非空值进行填充：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('file.csv')

# 使用 ffill 方法将空值填充为前一个非空值
df.fillna(method='ffill', inplace=True)

# 将处理后的数据写入新的 csv 文件
df.to_csv('new_file.csv', index=False)

3. 使用 interpolate() 方法进行插值

interpolate() 方法可以对缺失值进行插值，例如使用线性插值：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('file.csv')

# 使用 interpolate 方法进行线性插值
df.interpolate(method='linear', inplace=True)

# 将处理后的数据写入新的 csv 文件
df.to_csv('new_file.csv', index=False)

以上是常用的几种方法，根据具体的需求可以选择不同的填充方式。