Python数据处理中的fillna函数

Python数据处理中的fillna函数

1. 简介

fillna函数是Python pandas库中的一个重要函数，用于填充数据中的缺失值。当我们在进行数据分析和建模时，经常会遇到数据中有缺失值的情况，fillna函数可以帮助我们处理这些缺失值，使得数据分析和建模过程更加准确和可靠。

2. 使用方法

fillna函数可以接收一个参数，用于指定要填充的值。常见的值填充方式有以下几种：

2.1 填充为指定的常数值

可以通过指定一个常数值来填充缺失值。示例如下：

import pandas as pd

data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)

df_filled = df.fillna(0)
print(df_filled)

输出如下：

     A    B    C
0  1.0  0.0  0.0
1  2.0  2.0  0.0
2  0.0  3.0  0.0
3  4.0  4.0  0.0
4  5.0  0.0  0.0

2.2 填充为指定列的平均值

可以通过指定一个列名，将缺失值填充为该列的平均值。示例如下：

import pandas as pd

data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)

df_filled = df.fillna(df.mean())
print(df_filled)

输出如下：

     A    B   C
0  1.0  3.0 NaN
1  2.0  2.0 NaN
2  3.0  3.0 NaN
3  4.0  4.0 NaN
4  5.0  3.0 NaN

2.3 填充为指定列的中位数

可以通过指定一个列名，将缺失值填充为该列的中位数。示例如下：

import pandas as pd

data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)

df_filled = df.fillna(df.median())
print(df_filled)

输出如下：

     A    B   C
0  1.0  3.0 NaN
1  2.0  2.0 NaN
2  3.0  3.0 NaN
3  4.0  4.0 NaN
4  5.0  3.0 NaN

2.4 向前/向后填充

可以通过指定method参数为ffill或bfill来进行向前或向后填充。示例如下：

import pandas as pd

data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)

df_filled = df.fillna(method='ffill')
print(df_filled)

输出如下：

     A    B   C
0  1.0  NaN NaN
1  2.0  2.0 NaN
2  2.0  3.0 NaN
3  4.0  4.0 NaN
4  5.0  4.0 NaN

import pandas as pd

data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)

df_filled = df.fillna(method='bfill')
print(df_filled)

输出如下：

     A    B   C
0  1.0  2.0 NaN
1  2.0  2.0 NaN
2  4.0  3.0 NaN
3  4.0  4.0 NaN
4  5.0  NaN NaN

3. 总结

fillna函数是Python pandas库中一个常用的数据处理函数，可以用于填充数据中的缺失值。本文介绍了fillna函数的几种常见用法，通过示例代码展示了每种用法的具体实现，并给出了每个示例代码的运行结果。使用fillna函数可以简化缺失值处理的过程，提高数据分析和建模的准确性和可靠性。