热线电话：13121318867

登录
首页大数据时代pandas缺失值的填补方法——fillna
pandas缺失值的填补方法——fillna
2020-07-06
收藏

在处理数据的过程中，经常会遇到原数据部分内容的缺失，为了保证我们最终数据统计结果的正确性，通常我们有两种处理方式，第一种就是删除掉这些部分缺失的数据;第二种就是填补这些缺失的数据。接下来，我们主要介绍pandas缺失值的填补方法——fillna。

fillna：用指定值或插值的方法填充缺失数据

分为值填充、前后向填充(与ffill方法和bfill方法等价)

df = pd.read_csv('data/table_missing.csv')

# 值填充

df['Physics'].fillna('missing').head()

# 前向填充：后一个值往前填

df['Physics'].fillna(method='ffill').head()

# 后向填充：下一个值往后填

df['Physics'].fillna(method='backfill').head()

值填充中需要注意对齐特性。具体见下面例子：

df_f = pd.DataFrame({'A':[1.3.np.nan],'B':[2.4.np.nan],'C':[3.5.np.nan]})

df_f.fillna(df_f.mean())

在这里插入图片描述

df_f = pd.DataFrame({'A':[1.3.np.nan],'B':[2.4.np.nan],'C':[3.5.np.nan]})

df_f.fillna(df_f.mean())

在这里插入图片描述

以上就是小编今天分享的pandas缺失值的填补方法——fillna，希望对大家缺失值的处理有所帮助。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

pandas DataFrame 缺失值的填补方法

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇关于numpy概念的简单理解
下一篇常用的python缺失值处理方法有哪几种？
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询