Python Pandas Index.fillna()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas Index.fillna()函數用指定的值填充NA /NaN值。隻需要為索引中存在的所有缺失值填充標量值。該函數返回一個新對象，該新對象的缺失值由傳遞的值填充。

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

參數:
value:用於填充孔的標量值(例如0)。該值不能是list-likes。
downcast:item-> dtype決定是否向下轉換的內容，或字符串“ infer”將嘗試向下轉換為適當的相等類型(例如，如果可能，將float64轉換為int64)

返回:填充：％(桶)s

範例1：采用Index.fillna()函數來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

輸出：

讓我們用-1填充索引中所有缺失的值。

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

輸出：

正如我們在輸出中看到的，Index.fillna()函數已用-1填充所有缺失值。該函數僅采用標量值。

範例2：采用Index.fillna()函數來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

輸出：

從輸出中可以看到，我們缺少一些值。出於數據分析的目的，我們希望用一些其他符合我們目的的指示性值來填充這些缺失的值。

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

輸出：

正如我們在輸出中看到的那樣，索引中所有丟失的字符串都已被傳遞的值填充。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Index.fillna()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。