Python Pandas Index.fillna()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，使导入和分析数据变得更加容易。
Pandas Index.fillna()函数用指定的值填充NA/NaN值。它只接受一个标量值，用于填充索引中存在的所有缺失值。该函数返回一个新的对象，该对象的缺失值由所传递的值填充。

语法: Index.fillna(value=None, downcast=None)
参数 :
value : 用来填补漏洞的标量值（例如0）。这个值不能是一个列表式的。
downcast : item->dtype的一个dict，如果可能的话，要进行下转换，或者字符串’infer’，它将尝试下转换到一个适当的等价类型（例如，如果可能的话，float64到int64）。
返回 : 填充 : %(klass)s

例子#1：使用Index.fillna()函数来填补Index中所有的缺失值。

# 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

输出 :

让我们用-1来填补索引中所有的缺失值。

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

输出 :

正如我们在输出中看到的，Index.fillna()函数将所有的缺失值都填成了-1。该函数只接受标量值。

例子#2：使用Index.fillna()函数来填补Index中所有缺失的字符串。

# 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

输出 :

我们可以在输出中看到，我们有一些缺失的值。出于数据分析的目的，我们想用一些其他的指示性数值来填补这些缺失的数值，以达到我们的目的。

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

输出 :

正如我们在输出中看到的那样，索引中所有缺失的字符串都被填充了所传递的值。