当前位置: 首页>>代码示例>>用法及示例精选>>正文


Python Pandas Index.fillna()用法及代码示例

Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。

Pandas Index.fillna()函数用指定的值填充NA /NaN值。只需要为索引中存在的所有缺失值填充标量值。该函数返回一个新对象,该新对象的缺失值由传递的值填充。

用法: Index.fillna(value=None, downcast=None)

参数:
value:用于填充孔的标量值(例如0)。该值不能是list-likes。
downcast:item-> dtype决定是否向下转换的内容,或字符串“ infer”将尝试向下转换为适当的相等类型(例如,如果可能,将float64转换为int64)

返回:填充:%(桶)s

范例1:采用Index.fillna()函数来填充索引中所有缺少的值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Index 
idx = pd.Index([1, 2, 3, 4, 5, None, 7, 8, 9, None]) 
  
# Print the Index 
idx

输出:

让我们用-1填充索引中所有缺失的值。

# fill na values with -1 
idx.fillna(-1)

输出:

正如我们在输出中看到的,Index.fillna()函数已用-1填充所有缺失值。该函数仅采用标量值。

范例2:采用Index.fillna()函数来填充索引中所有缺少的字符串。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Index 
idx = pd.Index(['Labrador', 'Beagle', None, 'Labrador',  
             'Lhasa', 'Husky', 'Beagle', None, 'Koala']) 
  
# Print the Index 
idx

输出:

从输出中可以看到,我们缺少一些值。出于数据分析的目的,我们希望用一些其他符合我们目的的指示性值来填充这些缺失的值。

# Fill the missing values by 'Value_Missing' 
idx.fillna('Value_Missing')

输出:

正如我们在输出中看到的那样,索引中所有丢失的字符串都已被传递的值填充。



相关用法

注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Index.fillna()。非经特殊声明,原始代码版权归原作者所有,本译文的传播和使用请遵循“署名-相同方式共享 4.0 国际 (CC BY-SA 4.0)”协议。