Python Pandas – 将缺失列（NaN）值填充为常量

使用 fillna() 方法，并使用参数 value 中的常量值，为所有缺失值设置常量值。首先，让我们导入所需的库及其各自的别名 −

import pandas as pd
import numpy as np

创建具有2列的DataFrame。我们使用 Numpy 的 np.NaN 设置了NaN值−

dataFrame = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
    }
)

将常量值放置在具有NaN的列值中，即这里的Units列−

constVal = 200

用常量值替换NaN值，即200−

dataFrame['Units'].fillna(value=constVal, inplace=True)

示例

以下是代码 −

import pandas as pd
import numpy as np

# 创建DataFrame
dataFrame = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
    }
)

print"DataFrame ...\n",dataFrame

# 将常量值放置到具有NaN的列值中
constVal = 200

# 使用常量值替换NaN，即200
dataFrame['Units'].fillna(value=constVal, inplace=True)
print"\n将NaN值填充为常量值后的DataFrame ...\n",dataFrame

输出

将产生以下输出 −

DataFrame ...
        Car Units
0   BMW 100.0
1   Lexus   150.0
2   Lexus   NaN
3   Mustang 80.0
4   Bentley NaN
5   Mustang NaN

将NaN值填充为常量值后的DataFrame ...
        Car Units
0   BMW 100.0
1   Lexus   150.0
2   Lexus   200.0
3   Mustang 80.0
4   Bentley 200.0
5   Mustang 200.0