本篇内容主要讲解“python之怎么使用fillna()填充缺失值”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“python之怎么使用fillna()填充缺失值”吧!

使用fillna()填充缺失值

df = pd.read_csv('ccf_offline_stage1_train.csv')
print(df['Distance'])
df['distance'] = df['Distance'].fillna(-1).astype(int)
print(df['distance'])

结果太长不展示了，经过操作后成功将dataframe中distance列的缺失值都变成了-1

关于fillna()函数详解

inplace参数的取值：True、False

• True：直接修改原对象

• False：创建一个副本，修改副本，原对象不变（缺省默认）

method参数的取值 ： {‘pad’, ‘ffill’,‘backfill’, ‘bfill’, None}, default None

• pad/ffill：用前一个非缺失值去填充该缺失值

• backfill/bfill：用下一个非缺失值填充该缺失值

• None：指定一个值去替换缺失值（缺省默认这种方式）

limit参数：限制填充个数

axis参数：修改填充方向

#导包
import pandas as pd
import numpy as np
from numpy import nan as NaN

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1

代码结果：

一、不指定任何参数

1.  用常数填充

#一、不指定method参数
 
#1.用常数填充
print (df1.fillna(100))
print ("-----------------------")
print (df1)

运行结果：

2.  用字典填充

#2.用字典填充
df1.fillna({0:10,1:20,2:30})

运行结果：

二、指定inplace参数

#二、指定inplace参数
 
print (df1.fillna(0,inplace=True))
print ("-------------------------")
print (df1)

运行结果：

三、指定method参数

1.method = 'ffill'/'pad'：用前一个非缺失值去填充该缺失值

#三、指定method参数
 
df2 = pd.DataFrame(np.random.randint(0,10,(5,5)))
df2.iloc[1:4,3] = NaN
df2.iloc[2:4,4] = NaN
df2

运行结果：

#1.method = 'ffill'/'pad'：用前一个非缺失值去填充该缺失值
 
df2.fillna(method='ffill')

运行结果：

2.method = 'bflii'/'backfill'：用下一个非缺失值填充该缺失值

#2.method = 'bflii'/'backfill'：用下一个非缺失值填充该缺失值
 
df2.fillna(method='bfill')

运行结果：

四、指定limit参数

#四、指定limit参数
 
#用下一个非缺失值填充该缺失值
#只填充2个
 
df2.fillna(method='bfill', limit=2)

运行结果： 

五、指定axis参数

#五、指定axis参数
 
df2.fillna(method="ffill", limit=1, axis=1)

运行结果：