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')

相关问题

dataframe fillna 示例

好的，下面是一个 dataframe fillna 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 0 填充空值
df.fillna(0)

# 输出结果
   A    B     C
0  1.0  5.0   9.0
1  2.0  0.0  10.0
2  0.0  7.0  11.0
3  4.0  8.0   0.0

在这个示例中，我们使用 `fillna` 方法来将 DataFrame 中的空值填充为 0。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。

dataframe fillna 众数

可以使用`pandas.DataFrame.mode()`函数来获取DataFrame中每列的众数，然后使用`pandas.DataFrame.fillna()`函数将缺失值填充为众数。具体操作如下所示：

import pandas as pd

# 创建一个包含缺失值的DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4, 5], 'B': [None, 7, , 9, 10], 'C': [11, 12, 13, None, 15]})

# 获取每列的众数
mode = df.mode().iloc[0]

# 将缺失值填充为众数
df.fillna(mode, inplace=True)

# 输出填充后的DataFrame
print(df)

输出结果为：

     A     B     C
0  1.0  10.0  11.0
1  2.0   7.0  12.0
2  2.0   8.0  13.0
3  4.0   9.0  13.0
4  5.0  10.0  15.0