Python Pandas DataFrame fillna方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[None,5,6],"B":[7,None,8],"C":[9,None,None]})
df



   A    B    C
0  NaN  7.0  9.0
1  5.0  NaN  NaN
2  6.0  8.0  NaN

填充一个值

要使用值 10 填充 NaN ：

df.fillna(10)



   A     B     C
0  10.0  7.0   9.0
1  5.0   10.0  10.0
2  6.0   8.0   10.0

仅填充某些列

要指定要填充的列，请提供 dict 或 Series，如下所示：

df.fillna({"A":"*","C":10})



   A  B    C
0  *  7.0  9.0
1  5  NaN  10.0
2  6  8.0  10.0

请注意，B 列在此处仍然具有 NaN，因为提供的 dict 没有 B 键。

指定填充方法

考虑与之前相同的df：

df



   A    B    C
0  NaN  7.0  9.0
1  5.0  NaN  NaN
2  6.0  8.0  NaN

向后填充

要按列填充 NaN ，使用下一个非 NaN 值：

df.fillna(method="bfill")   # or method="backfill"



   A    B    C
0  5.0  7.0  9.0
1  5.0  8.0  NaN
2  6.0  8.0  NaN

请注意我们还剩下一些NaN。这是因为 NaN 之后没有任何值，因此我们没有填充值。

前向填充

要使用之前的非 NaN 值按列填充 NaN ：

df.fillna(method="ffill")   # or method="pad"



   A    B    C
0  NaN  7.0  9.0
1  5.0  7.0  9.0
2  6.0  8.0  9.0

同样，我们在 A[0] 处有一个 NaN，因为 NaN 之前没有任何值，因此我们没有填充值。

指定轴

仅供参考，这里是相同的 df ：

df



   A    B    C
0  NaN  7.0  9.0
1  5.0  NaN  NaN
2  6.0  8.0  NaN

默认情况下， axis=0 ，这意味着填充方法按列应用：

df.fillna(method="ffill")      # axis=0



   A    B    C
0  NaN  7.0  9.0
1  5.0  7.0  9.0
2  6.0  8.0  9.0

我们可以通过设置 axis=1 来执行逐行填充：

df.fillna(method="ffill", axis=1)



   A    B    C
0  NaN  7.0  9.0
1  5.0  5.0  5.0
2  6.0  8.0  8.0

请注意，仅当您指定 method 参数而不是 value 时，axis 参数才相关。

指定限制

当指定参数方法时

如果method被指定，那么limit是最大数量连续的 NaN填写。

仅供参考，这里是相同的 df ：

df



   A    B    C
0  NaN  7.0  9.0
1  5.0  NaN  NaN
2  6.0  8.0  NaN

要将连续 NaN 的数量限制为 1 ：

df.fillna(method="ffill", limit=1)



   A    B    C
0  NaN  7.0  9.0
1  5.0  7.0  9.0
2  6.0  8.0  NaN

请注意单元格 C[2] 仍然具有 NaN 值。这是因为我们这里有 2 个连续的 NaN ，并且由于我们指定了 limit=1 ，所以只有第一个被填充。

未指定参数方法时

当未指定 method 时，limit 表示每行或每列执行的最大填充数。例如，考虑以下 DataFrame：

df = pd.DataFrame({"A":[None,5,None],"B":[7,None,8],"C":[9,None,None]})
df



   A    B    C
0  NaN  7.0  9.0
1  5.0  NaN  NaN
2  NaN  8.0  NaN

使用 limit=1 执行填充会产生：

df.fillna(2, limit=1)



   A    B    C
0  2.0  7.0  9.0
1  5.0  2.0  2.0
2  NaN  8.0  NaN

请注意 A 和 C 列中仍然包含 NaN 。