大數據採集：fillna函數

1.爲何用fillna函數 在數據確實比較多的狀況下能夠直接濾除，而缺失數據比較少的時候，進行數據填充是頗有必要的。 所以掌握fillna函數的用法就很重要，他就是解決如何處理一個DataFrame中的Nan值？

 2.如下是它最簡單的2個用法（沒耐心的朋友，只須要看完這2個也夠你用了）： 1.空白值替換爲缺省值：

df = df.fillna(0) 

 大數據採集：fillna函數 

2.空白值按列替換爲缺省值:

你能夠傳入一個字典，但不能傳入一個list。

df.fillna({'temperature':10,'windspeed':2,'weather':'sunny'}) 大數據採集：fillna函數 3.建立一個DataFrame，來練習下fillna函數 pd是我定義的pandas的別名,DataFrame是它的一個數據類型，能夠理解爲一個數據庫表。

首先經過pd.DataFrame()定義好一個數據庫表，注意它是一個二維的數組，因此是[[ ]]定義。輸出一下能夠看到，有不少空值，接下來咱們就操做這個df對象。

df = pd.DataFrame([[np.nan,2,np.nan,0], [3,4,np.nan,1], [np.nan,np.nan,np.nan,5], [np.nan,3,np.nan,4]], columns=list('ABCD')) df

Out[60]: A B C D 0 NaN 2.0 NaN 0 1 3.0 4.0 NaN 1 2 NaN NaN NaN 5 3 NaN 3.0 NaN 4 大數據採集：fillna函數

 

4.fillna函數每一個參數的含義（重要）： 【value】 表示我給NaN位置填充一個值（好比0），或者我給每一個索引（對於Series其實就是一行，只不過沒這個概念）或者列（對於DataFrame就是按列來替換空值。） value能夠是：默認值爲None，變量、字典、Series、DataFrame，就是不能是list。

【method 】表示：這幾個參數的默認值都是None，使用方法來填充NaN值。

其中

backfill和bfill：是用每一列後面的值填充前面的空白（back後面）

pad和ffill：都是用前面的值填充後面的空白(front前面)

None：指定一個值去替換缺省值（默認方式，其實仍是用value）

【limit】表示：我要填充幾個空白值

【inplace】表示：True or False （注意別寫成true or false）

True：直接修改原對象

False：建立一個副本，修改副本，原對象不變（缺省默認）·

若是這個屬性不寫，也不會有默認值False，但若是寫出來不賦值就是False了，那你須要用一個新變量來接收fillna函數的執行結果。

【axis】表示：修改填充方向

{0 or ‘index’, 1 or ‘columns’} 0也表示按行填充，1也表示按列填充。必須和method配合使用。

【downcast】表示：dict, 默認是 None； 若是可能的話，把 item->dtype 的字典將嘗試向下轉換爲適當的相等類型的字符串（例如，若是可能的話，從float64到int64）【說實話，全部參數裏就這個沒看懂，網上也沒搜到例子。因爲搜索的時間成本過高，我先放棄這個參數了。downcast的英文看起來是向下轉型。】

【**kwargs】表示：*args你們都知道表明數組，kwargs其實就是字典。這只是形參，真正有意義的是 兩個星號就表明字典。

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

大數據採集：fillna函數 5.fillna函數的所有例子

例子1：NaN值全替換爲0

df.fillna(0) A B C D 0 0.0 2.0 0.0 0 1 3.0 4.0 0.0 1 2 0.0 0.0 0.0 5 3 0.0 3.0 0.0 4 例子2：向前或向後傳播

df.fillna(method='ffill')

Out[62]: A B C D 0 NaN 2.0 NaN 0 1 3.0 4.0 NaN 1 2 3.0 4.0 NaN 5 3 3.0 3.0 NaN 4

//和原來的對比，看看是否是用前面的值填上了後面的空白。

Out[60]: A B C D 0 NaN 2.0 NaN 0 1 3.0 4.0 NaN 1 2 NaN NaN NaN 5 3 NaN 3.0 NaN 4

例子3：用字典來替換每一列的空白值

values = {'A': 0, 'B': 1, 'C': 2, 'D': 3}

df.fillna(value=values) Out[64]: A B C D 0 0.0 2.0 2.0 0 1 3.0 4.0 2.0 1 2 0.0 1.0 2.0 5 3 0.0 3.0 2.0 4

例子4：limit限定填充幾個空白值

df.fillna(value=values, limit=1)

//只替換第一個空白值 Out[65]: A B C D 0 0.0 2.0 2.0 0 1 3.0 4.0 NaN 1 2 NaN 1.0 NaN 5 3 NaN 3.0 NaN 4

例子5：axis屬性改變填充方向

df2.fillna(method="ffill", limit=1, axis=1)

//試了半天發現，不能夠給一個字典，而後axis改變填充方向，那樣機器分析不出來要怎麼填，它會以爲你給的都是肯定的，沒辦法改變填充方向。只有當你用method指定填充方法時，才能夠改變填充方向。

運行結果

做者：望隱少年 來源：CSDN 

原文：https://blog.csdn.net/u011495642/article/details/82859124