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 TimedeltaIndex.fillna()
函數使用指定的值填充給定的TimedeltaIndex對象中的所有缺失值。
用法: TimedeltaIndex.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TimedeltaIndex.fillna()
函數填充給定的TimedeltaIndex對象中的所有缺失值。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =[None, '1 days 06:05:01.000030', None,
'1 days 02:00:00', '21 days 06:15:01.000030'])
# Print the TimedeltaIndex object
print(tidx)
輸出:
現在我們將使用TimedeltaIndex.fillna()
函數填充tidx對象中的所有缺失值。
# fill the missing values
tidx.fillna('10 days')
輸出:
正如我們在輸出中看到的,TimedeltaIndex.fillna()
函數已用tidx對象中的指定值填充所有缺少的值。
範例2:采用TimedeltaIndex.fillna()
函數填充給定的TimedeltaIndex對象中的所有缺失值。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =['06:05:01.000030', None, '22 day 2 min 3us 10ns',
'+23:59:59.999999', None, '+12:19:59.999999'])
# Print the TimedeltaIndex object
print(tidx)
輸出:
現在我們將使用TimedeltaIndex.fillna()
函數填充tidx對象中的所有缺失值。
# fill the missing values
tidx.fillna('2 days 10:50')
輸出:
正如我們在輸出中看到的,TimedeltaIndex.fillna()
函數已用tidx對象中的指定值填充所有缺少的值。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
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 TimedeltaIndex.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。