import numpy as np
import pandas as pd
df = pd.DataFrame([[np.nan,22,23,np.nan],[31,np.nan,12,34],[np.nan,np.nan,np.nan,23],
[15,17,66,np.nan]],columns=list('ABCD'))
df


?? ?A?? ??? ?B?? ??? ?C?? ??? ?D
0?? ?NaN?? ??? ?22.0?? ?23.0?? ?NaN
1?? ?31.0?? ?NaN?? ??? ?12.0?? ?34.0
2?? ?NaN?? ??? ?NaN?? ??? ?NaN?? ??? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?NaN

value:scalar,series,dict,dataframe

填充的值，可以是一個(gè)標(biāo)量，或者字典等

df.fillna(value=1)#缺失值填充為1
    A        B        C        D
0    1.0        22.0    23.0    1.0
1    31.0    1.0        12.0    34.0
2    1.0        1.0        1.0        23.0
3    15.0    17.0    66.0    1.0
------------------------------------------
df.fillna(value={'A':2,'B':3})# 傳入一個(gè)字典，指定某列填充的具體值
    A        B        C        D
0    2.0        22.0    23.0    NaN
1    31.0    3.0        12.0    34.0
2    2.0        3.0        NaN        23.0
3    15.0    17.0    66.0    NaN

method：{backfill,bfill,pad,ffill,none},default none

填充的方法，backfill和bfill代表填充后側(cè)值，ffill和pad填充空值前側(cè)值

df.fillna(method='ffill')#向前填充，注意此處默認(rèn)參數(shù)axis=0，所以空值是填充上一行的數(shù)據(jù)，而不是前一列。

?? ?A?? ??? ?B?? ??? ?C?? ??? ?D
0?? ?NaN?? ??? ?22.0?? ?23.0?? ?NaN
1?? ?31.0?? ?22.0?? ?12.0?? ?34.0
2?? ?31.0?? ?22.0?? ?12.0?? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?23.0

axis：
控制行列的參數(shù)，用法和其他方法完全相同

inplace：
是否將結(jié)果賦值給原變量，和其他方法里的用法相同

limit：int 或None
向前或后填充的最大數(shù)量，必須是大于0的整數(shù)
如果指定了method參數(shù)，則連續(xù)空值值填充前int個(gè)
如果未指定method參數(shù)，則只填充所在軸上的前int空值

?? ?A?? ??? ?B?? ??? ?C?? ??? ?D#原數(shù)據(jù)
0?? ?NaN?? ??? ?22.0?? ?23.0?? ?NaN
1?? ?31.0?? ?NaN?? ??? ?12.0?? ?34.0
2?? ?NaN?? ??? ?NaN?? ??? ?NaN?? ??? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?NaN

df.fillna(value=0,axis=1,limit=1)#在ABCD列上，每列只填充第一個(gè)空值
?? ?A?? ??? ?B?? ??? ?C?? ??? ?D
0?? ?0.0?? ??? ?22.0?? ?23.0?? ?0.0
1?? ?31.0?? ?0.0?? ??? ?12.0?? ?34.0
2?? ?NaN?? ??? ?NaN?? ??? ?0.0?? ??? ?23.0
3?? ?15.0?? ?17.0?? ?66.0?? ?NaN

到此這篇關(guān)于pandas學(xué)習(xí)之df.fillna的具體使用的文章就介紹到這了,更多相關(guān)pandas df.fillna內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: