Python Pandas DataFrame fillna方法用法及代碼示例

例子

考慮以下 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

填充一個值

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

僅填充某些列

要指定要填充的列，請提供 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

請注意，B 列在此處仍然具有 NaN，因為提供的 dict 沒有 B 鍵。

指定填充方法

考慮與之前相同的df：

df



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

向後填充

要按列填充 NaN ，使用下一個非 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

請注意我們還剩下一些NaN。這是因為 NaN 之後沒有任何值，因此我們沒有填充值。

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

同樣，我們在 A[0] 處有一個 NaN，因為 NaN 之前沒有任何值，因此我們沒有填充值。

指定軸

僅供參考，這裏是相同的 df ：

df



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

默認情況下， axis=0 ，這意味著填充方法按列應用：

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

我們可以通過設置 axis=1 來執行逐行填充：

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

請注意，僅當您指定 method 參數而不是 value 時，axis 參數才相關。

指定限製

當指定參數方法時

如果method被指定，那麽limit是最大數量連續的 NaN填寫。

僅供參考，這裏是相同的 df ：

df



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

要將連續 NaN 的數量限製為 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

請注意單元格 C[2] 仍然具有 NaN 值。這是因為我們這裏有 2 個連續的 NaN ，並且由於我們指定了 limit=1 ，所以隻有第一個被填充。

未指定參數方法時

當未指定 method 時，limit 表示每行或每列執行的最大填充數。例如，考慮以下 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 執行填充會產生：

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

請注意 A 和 C 列中仍然包含 NaN 。